Zwolnione tempo przy pomocy AI! #AIDIY00:10:30

zwiń opis video pokaż opis video
Dodał: Emce2
Czy jesteś w stanie wykryć z jaką częstotliwością odświeżania oglądasz film? Przyjrzymy się dziś technikom, za pomocą których tworzy się dodatkowe klatki wideo. Porównamy stare, konwencjonalne metody z najnowszymi programami AI. Zobaczymy jak sztuczna inteligencja poradzi sobie z naszymi ujęciami.

Źródła:
1. Depth-Aware Video Frame Interpolation. Bao, Wenbo and Lai, Wei-Sheng and Ma, Chao and Zhang, Xiaoyun and Gao, Zhiyong and Yang, Ming-Hsuan. IEEE 2019
https://sites.google.com/view/wenbobao/dain
2. Channel Attention Is All You Need for Video Frame Interpolation. Choi, Myungsub and Kim, Heewon and Han, Bohyung and Xu, Ning and Lee, Kyoung Mu. AAAI 2020
https://myungsub.github.io/CAIN/
3. RAFT: Recurrent All Pairs Field Transforms for Optical Flow. Zachary Teed and Jia Deng. ECCV 2020
https://github.com/princeton-vl/RAFT
4. RIFE: Real-Time Intermediate Flow Estimation for Video Frame Interpolation. Huang, Zhewei and Zhang, Tianyuan and Heng, Wen and Shi, Boxin and Zhou, Shuchang. arXiv preprint arXiv:2011.06294 2020
https://github.com/hzwer/arXiv2020-RIFE
5. FLAVR: Flow-Agnostic Video Representations for Fast Frame Interpolation. Kalluri, Tarun and Pathak, Deepak and Chandraker, Manmohan and Tran, Du. arxiv 2021
https://tarun005.github.io/FLAVR/
6. XVFI: eXtreme Video Frame Interpolation. Sim, Hyeonjun and Oh, Jihyong and Kim, Munchurl. Proceedings of the IEEE International Conference on Computer Vision ICCV 2021
https://github.com/JihyongOh/XVFI

Komentarze