LAVIB: A Large-scale Video Interpolation Benchmark

本论文介绍了一个用于视频帧插值（VFI）低级视频任务的大规模视频插值基准测试（LAVIB）。LAVIB包括一个大型高分辨率视频集合，通过自动化流程从网络上获取，最小限度要求人工验证。对于每个视频的运动幅度、亮度条件、帧清晰度和对比度进行了度量。当前低级视频任务数据集对这些度量的视频集合和基于这些度量的定量挑战的创建尚未得到充分探索。总共，LAVIB包括来自17K个超高清视频的283K个片段，覆盖77.6小时。基准训练、验证和测试集保持类似的视频度量分布。还创建了用于分布外（OOD）挑战的进一步划分，其中训练和测试划分包括具有不同属性的视频。

LAVIB旨在为视频帧插值（VFI）这个低级别视频任务提供一个大规模的基准测试集。

论文提出了一个自动化流程来收集高分辨率视频，并计算每个视频的运动幅度、亮度条件、帧清晰度和对比度等指标，从而创建了LAVIB。相比现有的低级别视频任务数据集，LAVIB包含了更多的视频和更多的定量指标。

LAVIB包含了来自17K个超高清视频的283K个剪辑，涵盖了77.6小时。基准训练、验证和测试集保持了类似的视频指标分布。为了进行分布外（OOD）挑战，还创建了其他数据集。

最近的相关研究包括：《Deep Video Interpolation》、《Super SloMo: High Quality Estimation of Multiple Intermediate Frames for Video Interpolation》、《Quadratic Video Interpolation》等。