传统的帧插值通常都是在两张极其相似之间生成图像。最近Google提出的FLIM模型能够对动作变化幅度较大的两张照片进行帧插值来生成视频：首次引入Gram损失，不仅锐度提升，细节也拉满！

之前的帧插值模型往往很复杂，需要多个网络来估计光流（optical flow）或者深度，还需要一个单独的网络专门用于帧合成。而FLIM只需要一个统一网络，使用多尺度的特征提取器，在所有尺度上共享可训练的权重，并且可以只需要帧就可以训练，不需要光流或者深度数据。

FLIM的实验结果也证明了其优于之前的研究成果，能够合成高质量的图像，并且生成的视频也更连贯。代码和预训练模型都已开源。

论文地址：
https://arxiv.org/pdf/2202.04901
代码地址：
https://github.com/google-research/frame-interpolation
FLIM模型的架构如下图所示。

内容中包含的图片若涉及版权问题，请及时与我们联系删除