2张图片就能“算出”一段视频，Reddit网友都惊呆了

来源丨量子位（ID：QbitAI）

作者丨鱼羊 萧萧

只给AI两张图片，就能得到高帧率动态视频？

输入的两张图像，重叠后是这样的：

而算出来的视频，是酱婶的：

不错，这又是视频插帧算法的功劳。

极限操作玩得6，让老电影变丝滑的常规手法，这个名叫RIFE的AI算法同样信手拈来。

右边这支经典探戈，看上去是不是比左边丝滑多了？

不仅是老电影，飞行表演的精彩瞬间，也能一口气从每秒24帧提升到每秒96帧。

动图效果有所损失，不妨再来看一眼原视频。

这项新研究，来自旷视和北大。不仅能让老影像资料追上人民群众对高帧率的需求，支持2X/4X/8X高质量插值，它还有一个最大的特点：快。

量子位在Colab上用T4跑了一遍Demo，一个时长53秒的720p 25fps视频，插值到100fps仅用了2分19秒。

该项目现已开源，并且有官方Demo、第三方Windows应用可以试玩。

看过了RIFE的表现，网友们不由惊叹，这是要超越那只经常在各种修复视频里出现的插帧AI DAIN，引领一波新潮流的节奏啊？

一时之间，RIFE在Reddit上的热度飙升到了2.8k。

那么，这样的效果究竟是怎么实现的呢？

从双向估计，到一步预测中间帧

视频插帧，通常是用光流预测算法来预测中间帧，并插入两帧之间。光流，就像光的流动一样，是一种通过颜色来表示图像中目标移动方向的方式。

△稀疏光流与稠密光流

传统光流预测算法，通常根据前后两帧视频来预测中间的某一帧长啥样。

将预测完成的图像插进去后，视频看起来就会变得更丝滑。

以DAIN的算法为例，如果要预测t时刻的帧，就需要t时刻的前后两帧视频，通过光流预测算法来实现。

△DAIN的算法图

但是这一类的算法会产生一个缺点：在预测过程中，如果用前后两帧图像产生双向光流，用线性组合来估计中间流，预测出来的结果，在运动边界区域就会出现伪影。

这样的伪影，使得重建中间帧图像的效果不尽人意。

那么，如果换一种思路，直接先预测中间流呢？

相比于利用前一帧和后一帧进行两次估计，这里的IFNET （a Specialized and Efficient Intermediate Flow Network）算法，将直接采用线性运动假设，对中间帧进行一次估计。

效果也显而易见，相比于利用前后两帧的双向估计所产生的光流，利用IFNET估计出的光流效果非常清晰，而且几乎没有伪影。

利用这种方式重建图像，不仅光流边缘看得清楚，而且速度也更快。

论文提到，RIFE是首个基于光流的实时视频插帧方案。

由于中间帧预测，直接假设了前后两帧的变换是线性的，相当于每帧预测中直接少了一次估计。

那么，这个模型，究竟将插帧算法提升到了怎么样的水平？

运行速度远超其他方法。前文已经提到，RIFE最亮眼的一点是快。

研究人员在UCF101、Vimeo90K、Middlebury OTHER set和HD benchmarks等基准上，将RIFE与英伟达的SoftSplat、上交大的DAIN等「前辈」进行了对比。

用来测试运行时间的是一个640×480的视频，使用的GPU型号是NVIDIA TITAN X（Pascal）。

从结果可以看出，在性能相当的情况下，RIFE基础模型的运行速度超过了所有对比方法。

而模型的大版本RIFE-Large，在性能超越SOTA方法SoftSplat的情况下，运行速度快出了30%。

另外，研究人员基于Vimeo90K测试集，提供了可视化的对比结果。

可以看到绿框部分，SepConv-L1和DAIN产生了伪影，而CAIN铲子部分则出现了缺失，相对而言，RIFE生成的结果更为可靠。

安装包和colab都有，试玩无忧

效果这么美丽的模型，应该怎么使用？

目前作者们已经给出了预训练模型的几种用法，从GitHub项目中可以直接下载网盘版的压缩包。

无论是用作者提供的demo、还是用你自己想要进行插帧的样本，都可以上手试玩。

当然，模型也有colab版本，可以直接在云服务器上玩模型。

而且，已经有玩家做出了Windows版的软件，可以直接下载下来使用。界面看起来还挺简洁：

模型RIFE的出现，已经让一些游戏爱好者狂热了起来：

你们能想象吗，就算是已经吃灰很久的PS2，也可以达到4k游戏的水平效果了！利用这种算法，3步就能搞定！

不过，也有网友表示了对这种算法的担忧。

虽然这种算法速度快、性能高，但实际上存在一个问题：

这种算法，本质上无法联想到丢失的帧间信息，所以无法用在安防视频上。

对于这些方面的应用，未来还需要进一步考虑。

作者介绍

黄哲威，论文一作，目前是旷视的一名算法研究员，毕业于北京大学。进入北大信科一年后，他获得了ICPC区域赛金牌，还成为了旷视科技智能计算组（IC组）的实习生，之后参加了NIPS 2017的Learning to Run比赛，使用Actor-Critic Ensemble算法获得了第二名。此外，在ICCV 2019顶会上，他的论文同样被收录。

张天远，毕业于北京大学，就读期间，论文曾经被ICML 2019、ICCV 2019、NIPS 2019等顶会收录。

衡稳，于北京大学获计算机应用技术硕士学位。

施柏鑫，来自北京大学，目前是北京大学信息科学技术学院的助理教授（博雅青年学者）、研究员、博士生导师。

周舒畅，旷视研究院AI计算组组长，本科毕业于清华电子系，博士毕业于中科院计算所，曾获NeuIPS 2017 Learning to Run Challenge第二名，美国国家标准技术研究所NIST TRAIT 2016 OCR冠军。

本文经授权转载自量子位（ID：QbitAI），如需二次转载请联系原作者

欢迎转发到朋友圈。

关注公众号：拾黑（shiheibook）了解更多

[广告]赞助链接：

四季很好，只要有你，文娱排行榜：https://www.yaopaiming.com/
让资讯触达的更精准有趣：https://www.0xu.cn/