HyperAIHyperAI

Command Palette

Search for a command to run...

Réseau récurrent pyramidal unifié pour l'interpolation de trames vidéo

Xin Jin Longhai Wu Jie Chen Youxin Chen Jayoon Koo Cheul-hee Hahm

Résumé

La synthèse guidée par le flux offre un cadre commun pour l’interpolation de trames, où le flux optique est estimé afin de guider la génération des trames intermédiaires entre deux trames successives. Dans cet article, nous présentons UPR-Net, un nouveau réseau récurrent pyramidal unifié pour l’interpolation de trames. Conçu dans un cadre pyramidal flexible, UPR-Net exploite des modules récurrents légers à la fois pour l’estimation du flux bidirectionnel et pour la synthèse des trames intermédiaires. À chaque niveau pyramidal, il utilise le flux bidirectionnel estimé pour générer des représentations transformées vers l’avant, nécessaires à la synthèse des trames ; à travers les différents niveaux pyramidaux, il permet une amélioration itérative à la fois du flux optique et des trames intermédiaires. En particulier, nous démontrons que notre stratégie itérative de synthèse améliore significativement la robustesse de l’interpolation de trames dans les cas de grands mouvements. Malgré sa légèreté extrême (1,7 million de paramètres), la version de base d’UPR-Net atteint des performances excellentes sur une large gamme de benchmarks. Le code et les modèles entraînés de la série UPR-Net sont disponibles à l’adresse suivante : https://github.com/srcn-ivl/UPR-Net.


Créer de l'IA avec l'IA

De l'idée au lancement — accélérez votre développement IA avec le co-codage IA gratuit, un environnement prêt à l'emploi et le meilleur prix pour les GPU.

Codage assisté par IA
GPU prêts à l’emploi
Tarifs les plus avantageux

HyperAI Newsletters

Abonnez-vous à nos dernières mises à jour
Nous vous enverrons les dernières mises à jour de la semaine dans votre boîte de réception à neuf heures chaque lundi matin
Propulsé par MailChimp