摘要

摘要：我们提出了一种深度贝叶斯视频帧插值方法，这是一种全新的时域上采样技术，可将低帧率视频高效地转换为高帧率视频。该方法通过学习光流与待插值帧的后验分布，并采用学习型梯度下降进行优化，从而实现快速收敛。每一学习步骤均由一个轻量级网络构成，负责调控估计帧与光流的对数似然梯度。这些梯度通过显式或隐式参数化方式建模，以衡量当前估计结果与真实图像及光流分布的一致性，从而有效解释输入观测数据。实验表明，该方法在10个基准测试中的8个上取得了新的最优性能，且所用模型参数量仅为当前最先进模型的一半。