CN112584076B - 视频的插帧方法、装置及电子设备 - Google Patents
视频的插帧方法、装置及电子设备 Download PDFInfo
- Publication number
- CN112584076B CN112584076B CN202011460415.9A CN202011460415A CN112584076B CN 112584076 B CN112584076 B CN 112584076B CN 202011460415 A CN202011460415 A CN 202011460415A CN 112584076 B CN112584076 B CN 112584076B
- Authority
- CN
- China
- Prior art keywords
- optical flow
- information
- pixel
- frame
- frame image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 80
- 230000003287 optical effect Effects 0.000 claims abstract description 167
- 230000000007 visual effect Effects 0.000 claims abstract description 151
- 230000015654 memory Effects 0.000 claims description 19
- 238000013507 mapping Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 15
- 238000009432 framing Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 15
- 238000013473 artificial intelligence Methods 0.000 abstract description 8
- 238000013135 deep learning Methods 0.000 abstract description 8
- 238000003780 insertion Methods 0.000 description 18
- 230000037431 insertion Effects 0.000 description 18
- 230000008569 process Effects 0.000 description 16
- 238000010586 diagram Methods 0.000 description 15
- 238000012549 training Methods 0.000 description 14
- 238000004590 computer program Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 4
- 238000006073 displacement reaction Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000001953 sensory effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012966 insertion method Methods 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/01—Conversion of standards, e.g. involving analogue television standards or digital television standards processed at pixel level
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/01—Conversion of standards, e.g. involving analogue television standards or digital television standards processed at pixel level
- H04N7/0135—Conversion of standards, e.g. involving analogue television standards or digital television standards processed at pixel level involving interpolation processes
- H04N7/0137—Conversion of standards, e.g. involving analogue television standards or digital television standards processed at pixel level involving interpolation processes dependent on presence/absence of motion, e.g. of motion zones
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/01—Conversion of standards, e.g. involving analogue television standards or digital television standards processed at pixel level
- H04N7/0135—Conversion of standards, e.g. involving analogue television standards or digital television standards processed at pixel level involving interpolation processes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/269—Analysis of motion using gradient-based methods
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/01—Conversion of standards, e.g. involving analogue television standards or digital television standards processed at pixel level
- H04N7/0127—Conversion of standards, e.g. involving analogue television standards or digital television standards processed at pixel level by changing the field or frame frequency of the incoming video signal, e.g. frame rate converter
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Television Systems (AREA)
- Image Processing (AREA)
Abstract
本申请公开了一种视频的插帧方法、装置及电子设备,涉及计算机视觉、深度学习等人工智能技术领域。该方案为:获取第一帧图像的第一视觉语义特征和第一像素信息,以及第二帧图像的第二视觉语义特征和第二像素信息;基于第一视觉语义特征和第二视觉语义特征,生成语义光流信息;基于第一像素信息和第二像素信息,生成像素光流信息;根据语义光流信息和像素光流信息,生成第一帧图像和第二帧图像的插帧,并***第一帧图像和第二帧图像之间。本申请基于语义光流信息和像素光流信息生成插帧,避免了现有视频的插帧方法中存在的效率低、视频画面具有抖动、模糊以及变形严重等缺点的问题,确保了插帧效果。
Description
技术领域
本申请的实施例总体上涉及图像处理技术领域,并且更具体地涉及计算机视觉、深度学习等人工智能技术领域。
背景技术
随着移动互联网的兴起,用户存储和转发信息的方式逐渐从文字、图片过渡到视频。视频已经成为用户生成内容的主要载体。目前,大部分视频的摄帧率为24-30fps的视频,与高帧率(60,120fps)视频观感体验差距很大。由此,视频插帧技术应运而生。视频插帧技术通过在视频帧之间***中间帧,增加视频帧率,使视频观看起来更加顺畅,减少跳跃,抖动等现象,极大提升了用户体验。
然而根据现有视频的插帧方法进行插帧时,往往存在计算效率低下、画面变形严重等情况。这样一来,势必导致视频的插帧过程中存在插帧效果差、效率低等问题。因此,如何提高视频的插帧过程中的效率、提升插帧效果,已成为了重要的研究方向之一。
发明内容
本申请提供了一种视频的插帧方法、装置及电子设备。
根据第一方面,提供了一种视频的插帧方法,包括:
获取第一帧图像的第一视觉语义特征和第一像素信息,以及所述第二帧图像的第二视觉语义特征和第二像素信息,其中,所述第一帧图像和所述第二帧图像为视频中的相邻帧;
基于所述第一视觉语义特征和所述第二视觉语义特征,生成语义光流信息;
基于所述第一像素信息和所述第二像素信息,生成像素光流信息;
根据所述语义光流信息和所述像素光流信息,生成所述第一帧图像和所述第二帧图像的插帧,并***所述第一帧图像和所述第二帧图像之间。
根据第二方面,提供了一种视频的插帧装置,包括:
获取模块,用于获取第一帧图像的第一视觉语义特征和第一像素信息,以及所述第二帧图像的第二视觉语义特征和第二像素信息,其中,所述第一帧图像和所述第二帧图像为视频中的相邻帧;
第一生成模块,用于基于所述第一视觉语义特征和所述第二视觉语义特征,生成语义光流信息;
第二生成模块,用于基于所述第一像素信息和所述第二像素信息,生成像素光流信息;
第三生成模块,用于根据所述语义光流信息和所述像素光流信息,生成所述第一帧图像和所述第二帧图像的插帧,并***所述第一帧图像和所述第二帧图像之间。
根据第三方面,提供了一种电子设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本申请第一方面所述的视频的插帧方法。
根据第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,所述计算机指令用于使所述计算机执行本申请第一方面所述的视频的插帧方法。
根据第五方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据本申请第一方面所述的视频的插帧方法。
应当理解,本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征,也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1是根据本申请第一实施例的示意图;
图2是根据本申请第二实施例的示意图;
图3是一种视觉语义特征拼接的示意图;
图4是一种像素信息拼接的示意图;
图5是根据本申请第三实施例的示意图;
图6是根据本申请第四实施例的示意图;
图7是根据本申请第五实施例的示意图;
图8是一种插帧生成模型的示意图;
图9是根据本申请第六实施例的示意图;
图10是一种插帧生成模型的训练过程的示意图;
图11是用来实现本申请实施例的视频的插帧方法的视频的插帧装置的框图;
图12是用来实现本申请实施例的视频的插帧方法的视频的插帧装置的框图;
图13是用来实现本申请实施例的视频的插帧的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
以下对本申请的方案涉及的技术领域进行简要说明:
图像处理(ImageProcessing),用计算机对图像进行分析,以达到所需结果的技术。又称影像处理。图像处理一般指数字图像处理。数字图像是指用工业相机、摄像机、扫描仪等设备经过拍摄得到的一个大的二维数组,该数组的元素称为像素,其值称为灰度值。图像处理技术一般包括图像压缩,增强和复原,匹配、描述和识别3个部分。
AI(Artificial Intelligence,人工智能),是研究使计算机来模拟人生的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,既有硬件层面的技术,也有软件层面的技术。人工智能硬件技术一般包括计算机视觉技术、语音识别技术、自然语言处理技术以及及其学习/深度学习、大数据处理技术、知识图谱技术等几大方面。
DL(Deep Learning,深度学习),是ML机器学习(Machine Learning,机器学习)领域中一个新的研究方向,它被引入机器学习使其更接近于最初的目标——人工智能。深度学习是学习样本数据的内在律和表示层次,这些学习过程中获得的信息对诸如文字,图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力,能够识别文字、图像和声音等数据。深度学习是一个复杂的机器学习算法,在语音和图像识别方面取得的效果,远远超过先前相关技术。
计算机视觉(Computer Vision),是一门研究如何使机器“看”的科学,更进一步的说,就是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉,并进一步做图形处理,使电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科,计算机视觉研究相关的理论和技术,试图建立能够从图像或者多维数据中获取‘信息’的人工智能***。这里所指的信息指Shannon定义的,可以用来帮助做一个“决定”的信息。因为感知可以看作是从感官信号中提取信息,所以计算机视觉也可以看作是研究如何使人工***从图像或多维数据中“感知”的科学。
下面参考附图描述本申请实施例的视频的插帧方法、装置及电子设备。
图1是根据本申请第一实施例的示意图。其中,需要说明的是,本申请实施例的视频的插帧方法,还可由本申请实施例提供的视频的插帧装置执行,该装置可配置于电子设备中。如图1所示,本实施例提出的视频的插帧方法,包括如下步骤:
S101、获取第一帧图像的第一视觉语义特征和第一像素信息,以及第二帧图像的第二视觉语义特征和第二像素信息,其中,第一帧图像和第二帧图像为视频中的相邻帧。
本申请实施例中,可以抽取视频中第一帧图像和第二帧图像的视觉语义特征,并利用第一帧图像和第二帧图像中的物体、人物、前景、背景等语义信息为插帧服务。
举例而言,可以抽取视频中第t帧图像和第t+1帧图像的视觉语义特征,并利用第t帧图像和第t+1帧图像中的物体、人物、前景、背景等语义信息为插帧服务。
其中,视频可以包括多个帧图像,即多个单帧图像;视频,可以为用户想要进行视频插帧以提升其播放流畅度的任一视频。
其中,像素信息,可以包括像素点的颜色、亮度等信息。
本申请实施例中,在试图获取视频时,可以通过电子设备获取视频。可选的,当电子设备为视频提供设备时,电子设备可以从自身的存储区域中获取视频;当电子设备为显示设备时,在一种可实现方式中,电子设备可以从视频提供设备中获取视频,例如,电子设备可以通过视频对应的统一资源定位符(Uniform Resource Locator,URL)从视频提供设备下载视频;在另一种可实现方式中,电子设备存储有视频,电子设备可以从自身的存储区域中获取该视频;在另一种可实现方式中,电子设备可以通过内置的摄像头拍摄视频以获取视频。
进一步地,在获取到视频后,可以通过执行预设的应用程序获取视频中任意相邻的两个帧图像,即第一帧图像和第二帧图像。
需要说明的是,本申请中对于获取第一视觉语义特征和第二视觉语义特征的具体方式不作限定,可以根据实际情况进行选择。
可选地,在获取到视频及第一帧图像和第二帧图像后,可以进行实体检测,获取实体的属性,进而通过前后检测等处理,获取第一视觉语义特征和第二视觉语义特征。
可选地,在获取到视频及第一帧图像和第二帧图像后,可以将第一帧图像和第二帧图像输入预先训练好的语义分割模型中,以分别获取第一帧图像和第二帧图像的第一视觉语义特征图和第二视觉语义特征图,进而分别从获取到的视觉语义特征图中提取到第一视觉语义特征和第二视觉语义特征。其中,第一视觉语义特征图和第二视觉语义特征图与原帧图像(第一帧图像和第二帧图像)尺寸一致。
需要说明的是,本申请中对于获取第一像素信息和第二像素信息的具体方式不作限定,可以根据实际情况进行选择。
可选地,在获取到视频及第一帧图像和第二帧图像后,可以采用CNN(ConvolutionNeural Network,卷积神经网络)对图像进行卷积,以获取到第一像素信息和第二像素信息。
S102、基于第一视觉语义特征和第二视觉语义特征,生成语义光流信息。
需要说明的是,现有技术中,往往基于朴素光流网络实现视频的插帧。也就是说,现有技术中,通常仅针对像素信息进行光流学习。这样一来,势必会导致易变形,难处理遮挡等问题。由此,本申请中,可以基于第一视觉语义特征和第二视觉语义特征,进行光流学习,即在视觉语义的基础上进行光流运算,以生成语义光流信息。
其中,语义光流信息,指的是在视觉语义特征的基础上,进行光流学习获取到的信息。
其中,光流学习,指的是利用图像序列中像素在时间域上的变化以及相邻帧之间的相关性来找到当前帧与上一帧之间存在的对应关系,从而计算出相邻帧之间的物体的运动信息的方法。
需要说明的是,本申请对于生成语义光流信息的具体方法不作限定,可以根据实际情况进行选取。例如,可以根据第一视觉语义特征和第二视觉语义特征,针对语义静态特征点计算稀疏光流,以生成语义光流信息。
S103、基于第一像素信息和第二像素信息,生成像素光流信息。
本申请实施例中,可以基于第一像素信息和第二像素信息,进行光流学习,生成像素光流信息。
需要说明的是,本申请对于生成像素光流信息的具体方法不作限定,可以根据实际情况进行选取。例如,可以基于第一像素信息和第二像素信息,将视频帧块的二维运动向量通过空间内插处理得到像素光流场(dx,dy)作为像素光流信息。
S104、根据语义光流信息和像素光流信息,生成第一帧图像和第二帧图像的插帧,并***第一帧图像和第二帧图像之间。
需要说明的是,本申请对于根据语义光流信息和像素光流信息,生成第一帧图像和第二帧图像的插帧的具体方式不作限定,可以根据实际情况进行选取。例如,可以将语义光流信息和像素光流信息在通道维度上拼接整合到一起,输入到预设的插帧网络以生成插帧。其中,预设的插帧网络可根据实际情况进行标定,例如,该预设的插帧网络可由深度卷积网络构成,此处不做任何限定。
根据本申请实施例的视频的插帧方法,可以通过获取第一帧图像的第一视觉语义特征和第一像素信息,以及第二帧图像的第二视觉语义特征和第二像素信息,然后基于第一视觉语义特征和第二视觉语义特征,生成语义光流信息,并基于第一像素信息和第二像素信息,生成像素光流信息,进而根据语义光流信息和像素光流信息,生成第一帧图像和第二帧图像的插帧,并***第一帧图像和第二帧图像之间。由此,本申请不再仅依赖朴素的光流学习生成像素光流信息,进而生成插帧,基于语义光流信息和像素光流信息生成插帧,避免了现有视频的插帧方法中存在的效率低、视频画面具有抖动、模糊以及变形严重等缺点的问题,提高了视频的插帧过程中的效率、提升了插帧效果。
需要说明的是,本申请中,在试图基于第一视觉语义特征和第二视觉语义特征,生成语义光流信息,以及试图基于第一像素信息和第二像素信息,生成像素光流信息时,可以通过进行光流学习生成语义光流信息以及像素光流信息。
图2是根据本申请第二实施例的示意图。如图2所示,在上一实施例的基础上,本实施例提出的视频的插帧方法,包括如下步骤:
S201、获取第一帧图像的第一视觉语义特征和第一像素信息,以及第二帧图像的第二视觉语义特征和第二像素信息,其中,第一帧图像和第二帧图像为视频中的相邻帧。
该步骤S201与上一实施例中的步骤S101相同,此处不再赘述。
上一实施例中的步骤S102具体可包括以下步骤S202~S203。
S202、对第一视觉语义特征和第二视觉语义特征进行拼接,形成第三视觉语义特征。
举例而言,如图3所示,获取到第一视觉语义特征和第二视觉语义特征分别为矩阵3-1和矩阵3-2,此种情况下,通过拼接可以形成第三视觉语义特征为矩阵3-3。
S203、对第三视觉语义特征进行光流学习,以生成语义光流信息。
本申请实施例中,可以针对拼接形成的第三视觉语义特征,进行光流学习,以生成语义光流信息。
需要说明的是,本申请对于对第三视觉语义特征进行光流学习,以生成语义光流信息的具体方法不作限定,可以根据实际情况进行选取。例如,可以将拼接形成的第三视觉语义特征作为输入,输入至预先训练好的语义光流模型中,以生成语义光流信息。
上一实施例中的步骤S103具体可包括以下步骤S204~S205。
S204、对第一像素信息和第二像素信息进行拼接,形成第三像素信息。
举例而言,如图4所示,获取到第一像素信息和第二像素信息分别为矩阵4-1和矩阵4-2,此种情况下,通过拼接可以形成第三像素信息为矩阵4-3。
S205、对第三像素信息进行光流学习,以生成像素光流信息。
本申请实施例中,可以针对拼接形成的第三像素信息,进行光流学习,以生成像素光流信息。
需要说明的是,本申请对于对第三像素信息进行光流学习,以生成像素光流信息的具体方法不作限定,可以根据实际情况进行选取。例如,可以将拼接形成的第三像素信息作为输入,输入至预先训练好的像素光流模型中,以生成像素光流信息。
S206、根据语义光流信息和像素光流信息,生成第一帧图像和第二帧图像的插帧,并***第一帧图像和第二帧图像之间。
该步骤S206与上一实施例中的步骤S104相同,此处不再赘述。
根据本申请实施例的视频的插帧方法,可以通过拼接,形成第三视觉语义特征和第三像素信息,进而通过进行光流学习,以生成语义光流信息和像素光流信息。由此,本申请可以基于语义光流信息和像素光流信息生成插帧,避免了现有视频的插帧方法中存在的效率低、视频画面具有抖动、模糊以及变形严重等缺点的问题,提高了视频的插帧过程中的效率、提升了插帧效果。
需要说明的是,本申请中,在试图根据语义光流信息和像素光流信息,生成第一帧图像和第二帧图像的插帧时,可以通过映射、帧生成等处理,生成插帧。
图5是根据本申请第三实施例的示意图。如图5所示,在上一实施例的基础上,上述生成插帧的具体过程,包括如下步骤:
S501、基于语义光流信息和第一视觉语义特征和第二视觉语义特征,生成第四视觉语义特征。
作为一种可能的实现方式,如图6所示,在上述实施例的基础上,上述步骤S501,具体包括以下步骤:
S601、对第一视觉语义和第二视觉语义特征拼接,生成第三视觉语义特征。
该步骤S601与上一实施例中的步骤S202相同,此处不再赘述。
S602、将第三视觉语义特征中的特征信息,按照语义光流信息进行轨迹映射,以生成第四视觉语义特征。
其中,进行轨迹映射,指的是基于特征信息,实现对应的运动过程的映射方式。
本申请实施例中,可以按照语义光流信息,将第三视觉语义特征中对应第一帧图像和第二帧图像的特征信息,映射至插帧中以生成第四视觉语义特征。其中,第四视觉语义特征对应于插帧的视觉语义特征。
S502、基于像素光流信息和第一像素信息和第二像素信息,生成第四像素信息。
作为一种可能的实现方式,如图7所示,在上述实施例的基础上,上述步骤S502,具体包括以下步骤:
S701、对第一像素信息和第二像素信息拼接,生成第三像素信息。
该步骤S701与上一实施例中的步骤S204相同,此处不再赘述。
S702、将第三像素信息中的像素,按照像素光流信息进行轨迹映射,以生成第四像素信息。
本申请实施例中,可以按照像素光流信息,将第三像素信息中对应第一帧图像和第二帧图像的像素,映射至插帧中以生成第四像素信息。其中,第四像素信息对应于插帧的像素信息。
S503、基于第四视觉语音特征和第四像素信息,生成插帧。
本申请实施例中,可以基于第四视觉语音特征和第四像素信息,通过插帧生成模型,生成插帧。其中,插帧生成模型,可以包括多个网络。
举例而言,如图8所示,插帧生成模型可以包括:视觉语义网络、语义光流网络、像素光流网络、光流映射网络以及帧生成网络,共五个网络。
其中,视觉语义网络,可以抽取视频中相邻帧的视觉语义特征,即第一视觉语义特征和第二视觉语义特征,利用视频帧中的物体、人物、前景、背景等语义信息为插帧服务。
语义光流网络,可以基于t-1帧的视觉语义特征和t+1帧的视觉语义特征,即第一视觉语义特征和第二视觉语义特征,进行光流运算,得到语义光流信息。
像素光流网络,可以基于t-1帧的基本像素信息和t+1帧的基本像素信息,即第一像素信息和第二像素信息,进行光流运算,得到像素光流信息。
光流映射网络,可以基于t-1帧和t+1帧的视觉语义特征和像素光流信息,以及语义光流信息和像素光流信息,进行映射运算,映射到对应于t帧(即插帧)的视觉语义特征和像素光流信息。
帧生成网络,可以基于光流映射网络产出的对应t帧的视觉语义特征和像素光流信息,生成t帧,即为最终******的t帧。
为了提高视频插帧的精确度,同时进一步提高视频插帧的效果使插帧后的视频中的帧图像更加的连贯,在本申请的一个实施例中,可通过插帧模型生成插帧的插帧信息,其中,该插帧模型可通过训练得到,此处不作任何限定。
在本申请实施例中,插帧模型的训练与生成可由相关的服务器进行,该服务器可以是云端服务器,也可以是一台电脑的主机,该服务器与可执行申请实施例提供的视频的插帧方法的电子设备之间,建立有通信连接,该通信连接可以是无线网络连接和有线网络连接的至少一种。服务器可将训练完成的插帧模型发送给电子设备,以便电子设备在需要时调用,从而大大减少电子设备的计算压力。另外,通过插帧模型辅助视频插帧任务,还可提高视频插帧的精确度。
具体地,如图9所示,上述插帧模型可通过以下方式生成:
步骤901,获取样本视频。
本申请实施例中,服务器可以获取样本视频。可选的,该样本视频可由工程师提供的专业训练视频,也可以是针对本次需要进行插帧的目标视频的训练视频,以使训练完成后的插帧模型能够更好的辅助本次视频插帧任务。
步骤902,获取样本视频的相邻三帧图像,其中,相邻三帧图像包括第一样本帧图像、第二样本帧图像和第三样帧图像。
本申请实施例中,服务器可以获取样本视频的第t-1帧图像、第t帧图像和第t+1帧图像。其中,t可为正整数。
步骤903,分别获取相邻三帧图像的视觉语义特征和像素信息。
本申请实施例中,服务器可以分别获取第t-1帧图像、第t帧图像和第t+1帧图像的视觉语义特征和像素信息。
步骤904,将第一样本帧图像和第三样帧图像的视觉语义特征和像素信息输入插帧生成模型,并将第二样本帧图像作为目标插帧对插帧生成模型进行训练。
本申请实施例中,服务器可以将第t-1帧图像和第t+1帧图像的视觉语义特征和像素信息输入插帧模型,并将第t帧图像作为目标插帧对插帧模型进行训练。
下面结合图10来详细说明插帧模型的训练过程:
参见图10,服务器获取样本视频,并获取目标视频中任意相邻的三个帧图像,即第t-1帧图像、第t帧图像和第t+1帧图像。然后服务器通过训练用的视觉语义网络获取第t-1帧图像、第t帧图像和第t+1帧图像的视觉语义特征;并通过训练用的语义光流网络和像素光流网络分别获取第t-1帧图像、第t帧图像和第t+1帧图像的语义光流信息和像素光流信息。同时服务器中安装有视觉语义监督程序和光流监督程序,对第t-1帧图像和第t+1帧图像的视觉语义特征和语义光流信息及像素光流信息进行监督,以保证第t-1帧图像和第t+1帧图像的视觉语义特征和语义光流信息及像素光流信息的精确度。
进一步地,服务器将第t-1帧图像和第t+1帧图像的语义光流信息及像素光流信息输入光流映射网络,以获取到视觉语义特征和像素光流信息。
进一步地,服务器将获取到的视觉语义特征和像素光流信息输入至帧生成网络,以获取到插帧视频帧t’。同时服务器中安装有视频帧监督程序,对插帧视频帧t’进行监督,以保证插帧视频帧t’的精确度。
由此,服务器将第t-1帧图像和第t+1帧图像的输入插帧模型,并将第t帧图像作为目标插帧对插帧模型进行训练,比如,将第t-1帧图像和第t+1帧图像的视觉语义特征和像素光流信息与第t帧图像的视觉语义特征和像素光流信息进行对比,以确定第t帧图像中前一帧和后一帧各个物体的位移变化、场景的变化等,并将其作为训练的数据对对插帧模型进行训练,从而提高训练的效果。
需要说明的是,本申请提出的视频的插帧方法,可以运用于多种场景中。
针对为视频去水印应用场景,可以将待处理视频(用户选取的试图进行去水印操作的视频)中的任意相邻两帧图像作为第一帧图像和第二帧图像,可选地,为了缩短去水印过程的耗时,可以对待处理视频进行预处理,以确定携带有水印的视频频段作为目标视频,进一步地,可以将目标视频中的任意相邻两帧图像作为第一帧图像和第二帧图像。
进一步地,可以基于计算机视觉、DL等AI技术,获取第一帧图像的第一视觉语义特征和第一像素信息,以及第二帧图像的第二视觉语义特征和第二像素信息,然后基于第一视觉语义特征和第二视觉语义特征,生成语义光流信息,并基于第一像素信息和第二像素信息,生成像素光流信息,进而根据语义光流信息和像素光流信息,生成第一帧图像和第二帧图像的插帧,并***第一帧图像和第二帧图像之间,使得在确保去水印效果的同时,避免视频画面抖动、模糊以及变形严重等,提升了用户体验。
根据本申请实施例的视频的插帧方法,不再仅依赖朴素的光流学习生成像素光流信息,进而生成插帧,充分提取、利用视频中的视觉语义信息,基于语义光流信息和像素光流信息生成插帧,避免了现有视频的插帧方法中存在的效率低、视频画面具有抖动、模糊以及变形严重等缺点的问题,提高了视频的插帧过程中的效率、提升了插帧效果。进一步地,在插帧的场景下进行统一监督训练,进一步提升了插帧效果。
与上述几种实施例提供的视频的插帧方法相对应,本申请的一个实施例还提供一种视频的插帧装置,由于本申请实施例提供的视频的插帧装置与上述几种实施例提供的视频的插帧方法相对应,因此在视频的插帧方法的实施方式也适用于本实施例提供的视频的插帧装置,在本实施例中不再详细描述。
图11是根据本申请一个实施例的视频的插帧装置的结构示意图。
如图11所示,该视频的插帧装置1100,包括:获取模块1110、第一生成模块1120、第二生成模块1130和第三生成模块1140。其中:
获取模块1110,用于获取第一帧图像的第一视觉语义特征和第一像素信息,以及所述第二帧图像的第二视觉语义特征和第二像素信息,其中,所述第一帧图像和所述第二帧图像为视频中的相邻帧;
第一生成模块1120,用于基于所述第一视觉语义特征和所述第二视觉语义特征,生成语义光流信息;
第二生成模块1130,用于基于所述第一像素信息和所述第二像素信息,生成像素光流信息;
第三生成模块1140,用于根据所述语义光流信息和所述像素光流信息,生成所述第一帧图像和所述第二帧图像的插帧,并***所述第一帧图像和所述第二帧图像之间。
图12是根据本申请另一个实施例的视频的插帧装置的结构示意图。
如图12所示,该视频的插帧装置1200,包括:获取模块1210、第一生成模块1220、第二生成模块1230和第三生成模块1240。其中:
第一生成模块1220,包括:
第一拼接子模块1221,用于对所述第一视觉语义特征和所述第二视觉语义特征进行拼接,形成第三视觉语义特征;
第一生成子模块1222,用于对所述第三视觉语义特征进行光流学习,以生成所述语义光流信息。
第二生成模块1230,包括:
第二拼接子模块1231,用于对所述第一像素信息和所述第二像素信息进行拼接,形成第三像素信息;
第二生成子模块1232,用于对所述第三像素信息进行光流学习,以生成所述像素光流信息。
第三生成模块1240,包括:
第三生成子模块1241,用于基于所述语义光流信息和所述第一视觉语义特征和所述第二视觉语义特征,生成第四视觉语音特征;
第四生成子模块1242,用于基于所述像素光流信息和所述第一像素信息和所述第二像素信息,生成第四像素信息;
第五生成子模块1243,用于基于所述第四视觉语音特征和所述第四像素信息,生成所述插帧。
其中,第三生成子模块1241,包括:
第一生成单元12411,用于对所述第一视觉语义和所述第二视觉语义特征拼接,生成第三视觉语义特征;
第二生成单元12412,用于将所述第三视觉语义特征中的特征信息,按照所述语义光流信息进行轨迹映射,以生成所述第四视觉语义特征。
其中,第四生成子模块1242,包括:
第三生成单元12421,用于对所述第一像素信息和所述第二像素信息拼接,生成第三像素信息;
第四生成单元12422,用于将所述第三像素信息中的像素,按照所述像素光流信息进行轨迹映射,以生成所述第四像素信息。
需要说明的是,获取模块1210与获取模块1110具有相同功能和结构。
根据本申请实施例的视频的插帧装置,不再仅依赖朴素的光流学习生成像素光流信息,进而生成插帧,充分提取、利用视频中的视觉语义信息,基于语义光流信息和像素光流信息生成插帧,避免了现有视频的插帧方法中存在的效率低、视频画面具有抖动、模糊以及变形严重等缺点的问题,提高了视频的插帧过程中的效率、提升了插帧效果。进一步地,在插帧的场景下进行统一监督训练,进一步提升了插帧效果。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
如图13所示,是根据本申请实施例的视频的插帧的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图13所示,该电子设备包括:一个或多个处理器1310、存储器1320,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器***)。图13中以一个处理器1310为例。
存储器1320即为本申请所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本申请所提供的视频的插帧方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的视频的插帧方法。
存储器1320作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的视频的插帧方法对应的程序指令/模块(例如,附图11所示的获取模块1110、第一生成模块1120、第二生成模块1130和第三生成模块1140)。处理器1310通过运行存储在存储器1320中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的视频的插帧方法。
存储器1320可以包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需要的应用程序;存储数据区可存储根据定位电子设备的使用所创建的数据等。此外,存储器1320可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器1320可选包括相对于处理器1310远程设置的存储器,这些远程存储器可以通过网络连接至定位电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
视频的插帧的电子设备还可以包括:输入装置1330和输出装置1340。处理器1310、存储器1320、输入装置1330和输出装置1340可以通过总线或者其他方式连接,图13中以通过总线连接为例。
输入装置1330可接收输入的数字或字符信息,以及产生与定位电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置1340可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的***和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、互联网以及区块链网络。
计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务端可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务(“Virtual Private Server”,或简称“VPS”)中,存在的管理难度大,业务扩展性弱的缺陷。服务器也可以为分布式***的服务器,或者是结合了区块链的服务器。
根据本申请实施例的视频的插帧方法,不再仅依赖朴素的光流学习生成像素光流信息,进而生成插帧,充分提取、利用视频中的视觉语义信息,基于语义光流信息和像素光流信息生成插帧,避免了现有视频的插帧方法中存在的效率低、视频画面具有抖动、模糊以及变形严重等缺点的问题,提高了视频的插帧过程中的效率、提升了插帧效果。进一步地,在插帧的场景下进行统一监督训练,进一步提升了插帧效果。
根据本申请的实施例,本申请还提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据本申请实施例的视频的插帧方法。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (10)
1.一种视频的插帧方法,包括:
获取第一帧图像的第一视觉语义特征和第一像素信息,以及第二帧图像的第二视觉语义特征和第二像素信息,其中,所述第一帧图像和所述第二帧图像为视频中的相邻帧;
对所述第一视觉语义特征和所述第二视觉语义特征进行拼接,形成第三视觉语义特征;
对所述第三视觉语义特征进行光流学习,以生成语义光流信息;
对所述第一像素信息和所述第二像素信息进行拼接,形成第三像素信息;
对所述第三像素信息进行光流学习,以生成像素光流信息;
根据所述语义光流信息和所述像素光流信息,生成所述第一帧图像和所述第二帧图像的插帧,并***所述第一帧图像和所述第二帧图像之间。
2.根据权利要求1所述的视频的插帧方法,其中,所述根据所述语义光流信息和所述像素光流信息,生成所述第一帧图像和所述第二帧图像的插帧,包括:
基于所述语义光流信息和所述第一视觉语义特征和所述第二视觉语义特征,生成第四视觉语义特征;
基于所述像素光流信息和所述第一像素信息和所述第二像素信息,生成第四像素信息;
基于所述第四视觉语义特征和所述第四像素信息,生成所述插帧。
3.根据权利要求2所述的视频的插帧方法,其中,所述基于所述语义光流信息和所述第一视觉语义特征和所述第二视觉语义特征,生成第四视觉语义特征,包括:
对所述第一视觉语义特征和所述第二视觉语义特征拼接,生成第三视觉语义特征;
将所述第三视觉语义特征中的特征信息,按照所述语义光流信息进行轨迹映射,以生成所述第四视觉语义特征。
4.根据权利要求2所述的视频的插帧方法,其中,所述基于所述像素光流信息和所述第一像素信息和所述第二像素信息,生成第四像素信息,包括:
对所述第一像素信息和所述第二像素信息拼接,生成第三像素信息;
将所述第三像素信息中的像素,按照所述像素光流信息进行轨迹映射,以生成所述第四像素信息。
5.一种视频的插帧装置,包括:
获取模块,用于获取第一帧图像的第一视觉语义特征和第一像素信息,以及第二帧图像的第二视觉语义特征和第二像素信息,其中,所述第一帧图像和所述第二帧图像为视频中的相邻帧;
第一生成模块,用于基于所述第一视觉语义特征和所述第二视觉语义特征,生成语义光流信息;
第二生成模块,用于基于所述第一像素信息和所述第二像素信息,生成像素光流信息;
第三生成模块,用于根据所述语义光流信息和所述像素光流信息,生成所述第一帧图像和所述第二帧图像的插帧,并***所述第一帧图像和所述第二帧图像之间;
所述第一生成模块,包括:
第一拼接子模块,用于对所述第一视觉语义特征和所述第二视觉语义特征进行拼接,形成第三视觉语义特征;
第一生成子模块,用于对所述第三视觉语义特征进行光流学习,以生成所述语义光流信息;
所述第二生成模块,包括:
第二拼接子模块,用于对所述第一像素信息和所述第二像素信息进行拼接,形成第三像素信息;
第二生成子模块,用于对所述第三像素信息进行光流学习,以生成所述像素光流信息。
6.根据权利要求5所述的视频的插帧装置,其中,所述第三生成模块,包括:
第三生成子模块,用于基于所述语义光流信息和所述第一视觉语义特征和所述第二视觉语义特征,生成第四视觉语义特征;
第四生成子模块,用于基于所述像素光流信息和所述第一像素信息和所述第二像素信息,生成第四像素信息;
第五生成子模块,用于基于所述第四视觉语义特征和所述第四像素信息,生成所述插帧。
7.根据权利要求6所述的视频的插帧装置,其中,所述第三生成子模块,包括:
第一生成单元,用于对所述第一视觉语义和所述第二视觉语义特征拼接,生成第三视觉语义特征;
第二生成单元,用于将所述第三视觉语义特征中的特征信息,按照所述语义光流信息进行轨迹映射,以生成所述第四视觉语义特征。
8.根据权利要求6所述的视频的插帧装置,其中,所述第四生成子模块,包括:
第三生成单元,用于对所述第一像素信息和所述第二像素信息拼接,生成第三像素信息;
第四生成单元,用于将所述第三像素信息中的像素,按照所述像素光流信息进行轨迹映射,以生成所述第四像素信息。
9.一种电子设备,其特征在于,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-4中任一项所述的视频的插帧方法。
10.一种存储有计算机指令的非瞬时计算机可读存储介质,其特征在于,所述计算机指令用于使所述计算机执行权利要求1-4中任一项所述的视频的插帧方法。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011460415.9A CN112584076B (zh) | 2020-12-11 | 2020-12-11 | 视频的插帧方法、装置及电子设备 |
EP21213649.3A EP3958207A3 (en) | 2020-12-11 | 2021-12-10 | Method and apparatus for video frame interpolation, and electronic device |
US17/643,687 US11641446B2 (en) | 2020-12-11 | 2021-12-10 | Method for video frame interpolation, and electronic device |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011460415.9A CN112584076B (zh) | 2020-12-11 | 2020-12-11 | 视频的插帧方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112584076A CN112584076A (zh) | 2021-03-30 |
CN112584076B true CN112584076B (zh) | 2022-12-06 |
Family
ID=75131545
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011460415.9A Active CN112584076B (zh) | 2020-12-11 | 2020-12-11 | 视频的插帧方法、装置及电子设备 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11641446B2 (zh) |
EP (1) | EP3958207A3 (zh) |
CN (1) | CN112584076B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113014936B (zh) * | 2021-02-24 | 2022-12-13 | 北京百度网讯科技有限公司 | 视频插帧方法、装置、设备以及存储介质 |
CN113190710B (zh) * | 2021-04-27 | 2023-05-02 | 南昌虚拟现实研究院股份有限公司 | 语义视频图像的生成方法、播放方法及相关装置 |
CN113469930B (zh) * | 2021-09-06 | 2021-12-07 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、及计算机设备 |
CN113901909B (zh) * | 2021-09-30 | 2023-10-27 | 北京百度网讯科技有限公司 | 基于视频的目标检测方法、装置、电子设备和存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109905624A (zh) * | 2019-03-01 | 2019-06-18 | 北京大学深圳研究生院 | 一种视频帧插值方法、装置及设备 |
CN111405316A (zh) * | 2020-03-12 | 2020-07-10 | 北京奇艺世纪科技有限公司 | 插帧方法、电子设备及可读存储介质 |
CN111654746A (zh) * | 2020-05-15 | 2020-09-11 | 北京百度网讯科技有限公司 | 视频的插帧方法、装置、电子设备和存储介质 |
CN111898701A (zh) * | 2020-08-13 | 2020-11-06 | 网易(杭州)网络有限公司 | 模型训练、帧图像生成、插帧方法、装置、设备及介质 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7657060B2 (en) * | 2004-03-31 | 2010-02-02 | Microsoft Corporation | Stylization of video |
WO2016190089A1 (ja) * | 2015-05-22 | 2016-12-01 | ソニー株式会社 | 送信装置、送信方法、画像処理装置、画像処理方法、受信装置および受信方法 |
US10003768B2 (en) * | 2016-09-28 | 2018-06-19 | Gopro, Inc. | Apparatus and methods for frame interpolation based on spatial considerations |
CN109003282B (zh) * | 2018-07-27 | 2022-04-29 | 京东方科技集团股份有限公司 | 一种图像处理的方法、装置及计算机存储介质 |
KR102646695B1 (ko) * | 2019-01-15 | 2024-03-12 | 포틀랜드 스테이트 유니버시티 | 비디오 프레임 보간을 위한 특징 피라미드 워핑 |
US11902705B2 (en) * | 2019-09-03 | 2024-02-13 | Nvidia Corporation | Video prediction using one or more neural networks |
US11166035B1 (en) * | 2020-04-30 | 2021-11-02 | Wangsu Science and Technology Co., Ltd. | Method and device for transcoding video |
CN112584077B (zh) * | 2020-12-11 | 2023-02-21 | 北京百度网讯科技有限公司 | 视频的插帧方法、装置及电子设备 |
-
2020
- 2020-12-11 CN CN202011460415.9A patent/CN112584076B/zh active Active
-
2021
- 2021-12-10 US US17/643,687 patent/US11641446B2/en active Active
- 2021-12-10 EP EP21213649.3A patent/EP3958207A3/en not_active Withdrawn
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109905624A (zh) * | 2019-03-01 | 2019-06-18 | 北京大学深圳研究生院 | 一种视频帧插值方法、装置及设备 |
CN111405316A (zh) * | 2020-03-12 | 2020-07-10 | 北京奇艺世纪科技有限公司 | 插帧方法、电子设备及可读存储介质 |
CN111654746A (zh) * | 2020-05-15 | 2020-09-11 | 北京百度网讯科技有限公司 | 视频的插帧方法、装置、电子设备和存储介质 |
CN111898701A (zh) * | 2020-08-13 | 2020-11-06 | 网易(杭州)网络有限公司 | 模型训练、帧图像生成、插帧方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112584076A (zh) | 2021-03-30 |
US20220103782A1 (en) | 2022-03-31 |
EP3958207A3 (en) | 2022-06-01 |
EP3958207A2 (en) | 2022-02-23 |
US11641446B2 (en) | 2023-05-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112584077B (zh) | 视频的插帧方法、装置及电子设备 | |
CN112584076B (zh) | 视频的插帧方法、装置及电子设备 | |
US11756223B2 (en) | Depth-aware photo editing | |
US11854118B2 (en) | Method for training generative network, method for generating near-infrared image and device | |
CN111654746B (zh) | 视频的插帧方法、装置、电子设备和存储介质 | |
CN111709878B (zh) | 人脸超分辨率实现方法、装置、电子设备及存储介质 | |
US11074437B2 (en) | Method, apparatus, electronic device and storage medium for expression driving | |
CN112529073A (zh) | 模型训练方法、姿态估计方法、装置及电子设备 | |
CN111709875B (zh) | 图像处理方法、装置、电子设备及存储介质 | |
CN112308770B (zh) | 人像转换模型生成方法及人像转换方法 | |
CN112861830B (zh) | 特征提取方法、装置、设备、存储介质以及程序产品 | |
CN113592913B (zh) | 一种消除自监督三维重建不确定性的方法 | |
CN111626956A (zh) | 图像去模糊方法和装置 | |
CN112116525B (zh) | 换脸识别方法、装置、设备和计算机可读存储介质 | |
CN112580563B (zh) | 视频摘要的生成方法、装置、电子设备和存储介质 | |
CN113936071A (zh) | 图像处理方法及装置 | |
CN114187392A (zh) | 虚拟偶像的生成方法、装置和电子设备 | |
CN112508811A (zh) | 图像预处理方法、装置、设备以及存储介质 | |
CN113537359A (zh) | 训练数据的生成方法及装置、计算机可读介质和电子设备 | |
CN112560678A (zh) | 表情识别方法、装置、设备及计算机存储介质 | |
CN112508830B (zh) | 图像处理模型的训练方法、装置、设备及存储介质 | |
CN117456085A (zh) | 三维重建模型训练、图像重建方法和装置 | |
CN118312116A (zh) | 显示设备、图像处理方法及装置 | |
CN116597173A (zh) | 图像处理方法及装置、存储介质及电子设备 | |
CN114173109A (zh) | 一种观看用户跟踪方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |