DAIN插帧算法

连手机都开始用上120帧的显示屏，但是网上大部分的视频还是24帧。

视频的帧率已经远远赶不上人民群众的需求了，所以有不少人都在研究如何把普通视频变成高帧率视频。

去年，英伟达开源了Super SloMo，从普通的视频“脑补”出高帧率的画面，从30fps插帧到240fps，即使放慢8倍也不会感到卡顿。

最近，来自上海交大的一个新的插帧算法DAIN开源。它比英伟达的算法效果更清晰、帧率更高，可以把30fps的进一步插帧到480fps，这已经超过了很多手机的慢动作录像帧率。

更重要的是，英伟达的Super SloMo只用在了真实拍摄的视频上，而这项研究却可以扩展到常见的任何类型视频：电影、定格动画、 动画卡通等等。

△ 连埼玉老师的披风都变得丝滑流畅了

如果你觉得上面效果还不够明显，可以再看一张。

羽毛的摆动是不是变得更流畅自然了？

可以想象，如果未来把DAIN用于动画的制作，只要用低帧的动画就可以生成丝滑的效果，或许能大大减少插画师的工作。

DAIN的代码已经开源，甚至研究人员还打包了一份Windows安装程序，即使没有任何AI基础的用户也可以直接拿来用。

安装

Windows系统的用户有现成的exe文件安装（地址见文末），不过现在仍处于Alpha阶段，软件可能存在一定的不稳定性。

其他平台的用户安装起来也不复杂。

首先确保你的PyTorch版本不低于1.0.0，将项目克隆到本地：

git clone https://github.com/baowenbo/DAIN.git

安装PyTorch的各个扩展包：

cd DAIN

cd my_package

./build.sh

还要安装英伟达预测光流网络PWCNet的软件包：

cd ../PWCNet/correlation_package_pytorch1_0

./build.sh

由于作者已经提供了预训练模型，我们不必再花费大量精力去训练。创建目录model_weights，并且将预训练模型的权重下载到相应的文件夹中：

cd model_weights

wget http://vllab1.ucmerced.edu/~wenbobao/DAIN/best.pth

运行命令以下命令，就可以开始给视频插帧啦！

CUDA_VISIBLE_DEVICES=0 python demo_MiddleBury_slowmotion.py —netName DAIN_slowmotion —time_step 0.25

—time_step之后的参数就是视频的放慢倍数，0.25代表视频帧率扩展为原来的4倍。如果要生成8x和10x慢动作，参数就改成0.125和0.1，依此类推。

深度加光流，图像更清晰

之前已经有很多给视频插帧的算法，DAIN和它们有什么不同呢？

DAIN的全称是Depth-Aware Video Frame Interpolation，即深度感知视频帧插值。

视频帧插值的目的是在原始帧之间合成不存在的帧。但是由于大的物体运动或遮挡，插帧的质量通常会比较低。

在这篇研究中，研究人员提出了一种通过探索深度信息来检测遮挡的方法。

具体来说，作者开发了一个深度感知光流投影层来合成中间流，中间流对较远的对象进行采样。此外，学习分层功能以从相邻像素收集上下文信息。

上图是DAIN的体系架构：给定两个时刻的输入帧，先估计光流和深度图，然后使用建议的深度感知流投影层生成中间流。

然后，模型基于光流和局部插值内核对输入帧、深度图和上下文特征进行扭曲，合成输出帧。

这种模型紧凑、高效且完全可微分。定量和定性的结果表明，DAIN在各种数据集上均优于最新的帧插值方法。

作者

这篇文章的第一作者Bao Wenbo，是上海交通大学电子信息与电气工程学院的博士生。

他目前的研究领域集中在图像/视频处理，计算机视觉和机器学习。另外在硬件设计、嵌入式系统和并行编程方面也很有经验。

参考资料

【1】论文地址：

https://sites.google.com/view/wenbobao/dain

【2】项目地址：

https://github.com/baowenbo/DAIN

【3】Windows版软件下载：

https://drive.google.com/file/d/1uuDkF4j4H1AI1ot88XdqzwMdvAPhxKN8/view

【4】本文转自量子位公众号

————————————————————————————————————

后记

测试了 DAIN 插帧开源算法，可能是测试版0.2版的原因感觉还不太理想。

配置要求很高，必须N卡，且有CUDA、cudnn的深度学习环境，我用4X GTX 1080TI测试了，只识别了单卡，不支持软件多开，而且1080p分辨率会爆显存，然后我换了一部单卡 RTX 2080 TI 还是炸。最后用了 Tesla V100 的32G单卡显存才没炸。

检查了下程序源码编译发现原来是梯度都没关，肯定炸显存，这个封装做的太草率了。

速度方面 5秒的720p gif 8倍补帧 25fps 补 200fps 用 GTX 1080 TI 费时20分钟。

然后做了一个完整动画OP的测试。这里选了绝对双刃 Absolute Duo(2015)OP，江畑谅真 一人原画。很棒的作画，但之前我微博也说过这个画出来的感觉帧率不够，流畅度还欠缺，正好拿来做测试。

图可以看出算法在每帧插多了很多预判帧，涂抹感就是深度学习的卷积算法毛病。

后面做了一个真人电影 双子杀手 Gemini Man‎ (2019) 测试，主要这部有官方版的60帧，正好拿来对比，真人补的效果还行。实拍的就没有那种涂抹感。