sepconv slomo下载 - sepconv slomo源代码下载

sepconv slomo

Python

1.0.0

下载

现在，这项工作已由：https：//github.com/sniklaus/revisiting-sepconv取代

sepconv-slomo

这是通过使用Pytorch通过自适应分离卷积[1]的视频框架插值的参考实现。给定两个帧，它将以可分离的方式利用自适应卷积[2]来插入中间框架。如果您使用我们的作品，请引用我们的论文[1]。

有关我们的工作的重新安装，请参见：https：//github.com/martkartasev/sepconv
以及另一种改编
有关SoftMax剥离，请参阅：https：//github.com/sniklaus/softmax-splatting

设置

可分离的卷积层是使用CUPY在CUDA中实现的，这就是为什么CUPY是必需的依赖性的原因。它可以使用pip install cupy或使用cupy存储库中概述的提供的二进制包装之一安装。

如果您打算处理视频，请确保安装了pip install moviepy 。

用法

要使用自己的帧运行，请使用以下命令。您可以选择l1或lf型号，请参阅我们的论文以获取更多详细信息。简而言之， l1模型应用于定量评估和lf模型进行定性比较。

 python run.py --model lf --one ./images/one.png --two ./images/two.png --out ./out.png

要在视频上运行，请使用以下命令。

 python run.py --model lf --video ./videos/car-turn.mp4 --out ./out.mp4

对于使用Middlebury Benchmark的示例快速基准进行光学流程，请运行python benchmark.py 。您可以使用它来轻松验证所提供的实现是否按预期运行。

视频

执照

提供的实施仅是出于学术目的。如果您有兴趣将我们的技术用于任何商业用途，请随时与我们联系。

参考

 [1]  @inproceedings{Niklaus_ICCV_2017,
         author = {Simon Niklaus and Long Mai and Feng Liu},
         title = {Video Frame Interpolation via Adaptive Separable Convolution},
         booktitle = {IEEE International Conference on Computer Vision},
         year = {2017}
     }

 [2]  @inproceedings{Niklaus_CVPR_2017,
         author = {Simon Niklaus and Long Mai and Feng Liu},
         title = {Video Frame Interpolation via Adaptive Convolution},
         booktitle = {IEEE Conference on Computer Vision and Pattern Recognition},
         year = {2017}
     }