现有的关于视频帧插值（VFI）的研究多数采用深度神经网络，通过训练最小化其输出与实际帧之间的L1或L2距离。尽管近年来有所进展，现有的VFI方法往往会产生感性上较差的结果，特别是对于动态纹理和大运动等具有挑战性的场景。为了开发感性定向的VFI方法，我们提出了基于潜在扩散模型的VFI，LDMVFI。通过将VFI问题表述为条件生成问题，这种方法以一种生成的角度来考虑VFI问题。作为第一个利用潜在扩散模型来解决VFI问题的尝试，我们遵循现有VFI文献采用的通用评估协议对我们的方法进行了严格的基准测试。我们的定量实验和用户研究表明，即使在高分辨率领域，LDMVFI能够以更好的感知质量进行视频内容的插值，优于现有的技术水平。我们的源代码将在此处提供。
论文链接：http://arxiv.org/pdf/2303.09508v1
更多计算机论文：http://cspaper.cn/