视频插值旨在合成两帧连续图像之间的缺失帧。尽管现有的基于光流的方法已取得令人瞩目的成果，但在处理复杂动态场景的插值任务时仍面临巨大挑战，这些场景通常包含遮挡、模糊或亮度突变等问题。其主要原因在于，上述情况往往违背了光流估计的基本假设（如平滑性与一致性）。为此，本文提出了一种新颖的“结构到纹理”生成框架，将视频插值任务分解为两个阶段：结构引导插值与纹理精细化。在第一阶段，利用深度结构感知特征，从两帧连续图像预测特征光流，并生成中间帧的结构图像；在第二阶段，基于生成的粗略结果，训练一个帧纹理补偿模块（Frame Texture Compensator），以填补细节纹理信息。据我们所知，这是首个尝试通过融合深层特征直接生成中间帧的工作。在基准数据集及具有挑战性的遮挡场景下的实验结果表明，所提出的框架在性能上显著优于现有最先进方法。代码已开源，地址为：https://github.com/CM-BF/FeatureFlow。