要約
概要．本稿では，低フレームレート動画を時間的に高フレームレート動画にアップサンプリングするための新しいアプローチである「ディープベイズ型動画フレーム補間」を提案する．本手法は，補間対象のフレームおよび光学流の事後分布を学習し，高速な収束を実現するために学習された勾配降下法によって最適化される．各学習ステップは，推定されたフレームおよび光学流の対数尤度の勾配を操作する軽量なネットワークで構成される．これらの勾配は，明示的または暗黙的にパラメータ化されており，入力観測値を説明するための実画像および光学流分布との一致度を，現在の推定値の忠実性をモデル化するものとして扱う．本手法により，最先端モデルの半分のパラメータ数を有するアーキテクチャを用いて，10のベンチマークのうち8つで新たな記録を達成した．