sepconv slomo下載 - sepconv slomo源代碼下載

sepconv slomo

Python

1.0.0

下載

現在，這項工作已由：https：//github.com/sniklaus/revisiting-sepconv取代

sepconv-slomo

這是通過使用Pytorch通過自適應分離卷積[1]的視頻框架插值的參考實現。給定兩個幀，它將以可分離的方式利用自適應卷積[2]來插入中間框架。如果您使用我們的作品，請引用我們的論文[1]。

有關我們的工作的重新安裝，請參見：https：//github.com/martkartasev/sepconv
以及另一種改編
有關SoftMax剝離，請參閱：https：//github.com/sniklaus/softmax-splatting

設定

可分離的捲積層是使用CUPY在CUDA中實現的，這就是為什麼CUPY是必需的依賴性的原因。它可以使用pip install cupy或使用cupy存儲庫中概述的提供的二進制包裝之一安裝。

如果您打算處理視頻，請確保安裝了pip install moviepy 。

用法

要使用自己的幀運行，請使用以下命令。您可以選擇l1或lf型號，請參閱我們的論文以獲取更多詳細信息。簡而言之， l1模型應用於定量評估和lf模型進行定性比較。

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

要在視頻上運行，請使用以下命令。

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

對於使用Middlebury Benchmark的示例快速基准進行光學流程，請運行python benchmark.py 。您可以使用它來輕鬆驗證所提供的實現是否按預期運行。

影片

執照

提供的實施僅是出於學術目的。如果您有興趣將我們的技術用於任何商業用途，請隨時與我們聯繫。

參考

 [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}
     }