
摘要
本文介绍了一项针对低级视频任务——视频帧插值(VFI)的大规模视频插值基准测试(LAVIB)。LAVIB包含通过自动化管道从网络收集的大量高分辨率视频,对这些视频的人工验证需求极低。该基准测试为每个视频的运动幅度、亮度条件、帧锐度和对比度计算了相应的指标。目前,现有的低级视频任务数据集在视频集合的创建以及基于这些指标的定量挑战方面尚未得到充分探索。总体而言,LAVIB包括来自17000个超高清视频的283000段剪辑,总时长为77.6小时。基准测试的训练集、验证集和测试集保持了相似的视频指标分布。此外,还创建了用于分布外(OOD)挑战的进一步划分,其中训练集和测试集包含了具有不同属性的视频。
代码仓库
alexandrosstergiou/lavib
官方
pytorch
GitHub 中提及
基准测试
| 基准 | 方法 | 指标 |
|---|---|---|
| video-frame-interpolation-on-lavib | RIFE | LPIPS: 0.1416 PSNR: 27.88 SSIM: 0.871 |
| video-frame-interpolation-on-lavib | EMA-VFI | LPIPS: 0.03105 PSNR: 33.14 SSIM: 0.978 |
| video-frame-interpolation-on-lavib | FLAVR | LPIPS: 0.02934 PSNR: 33.44 SSIM: 0.981 |