FILM:大規模運動のためのフレーム内挿【JST・京大機械翻訳】

Reda Fitsum; Kontkanen Janne; Tabellion Eric; Sun Deqing; Pantofaru Caroline; Curless Brian

プレプリント

J-GLOBAL ID：202202213915314820 整理番号：22P0287513

FILM:大規模運動のためのフレーム内挿【JST・京大機械翻訳】

FILM: Frame Interpolation for Large Motion

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (6件)： , , , , ,
資料名：
発行年： 2022年02月10日プレプリントサーバーでの情報更新日： 2022年07月16日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

著者らは,大きな中間運動を有する2つの入力画像から複数の中間フレームを合成するフレーム補間アルゴリズムを提案した。最近の方法は,多重ネットワークを用いて,光フローまたは深さを推定し,フレーム合成専用のネットワークを分割する。これはしばしば複雑であり,不十分な光学的流れあるいは深さの地上-トラスを必要とする。本研究では,全てのスケールで重みを共有するマルチスケール特徴抽出器により識別された単一統一ネットワークを提示し,フレームのみから訓練可能である。クリスプとプレイスフレームを合成するため,特徴マップ間の相関差を測定するGram行列損失でネットワークの最適化を提案した。提案アプローチは,Xiph大運動ベンチマークに関する最先端の方法より優れている。また,知覚損失を使用する方法と比較するとき,Vimeo-90K,MidleburyおよびUCF101に関してより高いスコアを達成した。運動範囲増加のデータセットによる重み共有と訓練の影響を調べた。最後に,著者らは,挑戦的な近重複写真データセット上で高品質で時間的にコヒーレントなビデオを合成する際の著者らのモデルの有効性を実証した。コードと事前訓練モデルはhttps://film net.github.ioで利用可能である。【JST・京大機械翻訳】

, , , , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

パターン認識

, ,

前のページに戻る