CN111654746B - 视频的插帧方法、装置、电子设备和存储介质 - Google Patents

视频的插帧方法、装置、电子设备和存储介质 Download PDF

Info

Publication number
CN111654746B
CN111654746B CN202010412447.5A CN202010412447A CN111654746B CN 111654746 B CN111654746 B CN 111654746B CN 202010412447 A CN202010412447 A CN 202010412447A CN 111654746 B CN111654746 B CN 111654746B
Authority
CN
China
Prior art keywords
frame
frame image
video
interpolation
map
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
Application number
CN202010412447.5A
Other languages
English (en)
Other versions
CN111654746A (zh
Inventor
李超
丁予康
何栋梁
李甫
孙昊
文石磊
章宏武
丁二锐
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202010412447.5A priority Critical patent/CN111654746B/zh
Publication of CN111654746A publication Critical patent/CN111654746A/zh
Priority to US17/125,370 priority patent/US11363271B2/en
Application granted granted Critical
Publication of CN111654746B publication Critical patent/CN111654746B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
    • H04N21/44008—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving operations for analysing video streams, e.g. detecting features or characteristics in the video stream
    • 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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/132—Sampling, masking or truncation of coding units, e.g. adaptive resampling, frame skipping, frame interpolation or high-frequency transform coefficient masking
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/17—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object
    • H04N19/172—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being an image region, e.g. an object the region being a picture, frame or field
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
    • H04N21/44—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs
    • H04N21/4402—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving reformatting operations of video signals for household redistribution, storage or real-time display
    • H04N21/440281—Processing of video elementary streams, e.g. splicing a video clip retrieved from local storage with an incoming video stream or rendering scenes according to encoded video stream scene graphs involving reformatting operations of video signals for household redistribution, storage or real-time display by altering the temporal resolution, e.g. by frame skipping
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/40—Scenes; Scene-specific elements in video content
    • G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N13/00—Stereoscopic video systems; Multi-view video systems; Details thereof
    • H04N13/10—Processing, recording or transmission of stereoscopic or multi-view image signals
    • H04N13/106—Processing image signals
    • H04N13/139—Format conversion, e.g. of frame-rate or size
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Signal Processing (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Biophysics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Software Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Processing Or Creating Images (AREA)
  • Television Systems (AREA)

Abstract

本申请公开了视频的插帧方法、装置、电子设备和存储介质，涉及计算机技术领域，具体涉及计算机视觉和深度学习等人工智能技术领域。具体实现方案为：获取视频；获取视频之中的第i‑1帧图像和第i帧图像，其中，i为正整数；分别获取第i‑1帧图像和第i帧图像的视觉语义特征图和深度信息图；根据第i‑1帧图像和第i帧图像的视觉语义特征图和深度信息图生成插帧信息；以及根据插帧信息和第i‑1帧图像生成第i‑1帧图像和第i帧图像之间的插帧，并插入第i‑1帧图像和第i帧图像之间。该方法根据视频之中帧图像的视觉语义特征图和深度信息图对视频进行插帧，计算效率较高，且可以处理遮挡及画面变化较大的情况，从而有效的提高了插帧效果。

Description

视频的插帧方法、装置、电子设备和存储介质
技术领域
本申请涉及计算机技术领域，具体涉及计算机视觉和深度学习等人工智能技术领域，尤其涉及一种视频的插帧方法、装置、电子设备和存储介质。
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。如今视频已经成为用户生成内容的主要载体。然而，受到拍摄设备的制约，绝大部分用户只能拍摄帧率为(24-30fps)的视频，与高帧率(60，120fps)视频观感体验差距很大。
目前视频插帧技术可以在视频帧之间插入中间帧，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，极大提升用户体验。
发明内容
本申请提供了一种视频的插帧方法、装置、电子设备和存储介质。
根据本申请的一方面，提供了一种视频的插帧方法，包括：
获取视频；
获取所述视频之中的第i-1帧图像和第i帧图像，其中，i为正整数；
分别获取所述第i-1帧图像和所述第i帧图像的视觉语义特征图和深度信息图；
根据所述第i-1帧图像和所述第i帧图像的视觉语义特征图和深度信息图生成插帧信息；以及
根据所述插帧信息和所述第i-1帧图像生成所述第i-1帧图像和所述第i帧图像之间的插帧，并插入所述第i-1帧图像和所述第i帧图像之间。
根据本申请的另一方面，提供了一种视频的插帧装置，包括：
第一获取模块，用于获取视频；
第二获取模块，用于获取所述视频之中的第i-1帧图像和第i帧图像，其中，i为正整数；
第三获取模块，用于分别获取所述第i-1帧图像和所述第i帧图像的视觉语义特征图和深度信息图；
第一生成模块，用于根据所述第i-1帧图像和所述第i帧图像的视觉语义特征图和深度信息图生成插帧信息；以及
插帧模块，用于根据所述插帧信息和所述第i-1帧图像生成所述第i-1帧图像和所述第i帧图像之间的插帧，并插入所述第i-1帧图像和所述第i帧图像之间。
根据本申请另一方面，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上述一方面实施例所述的视频的插帧方法。
根据本申请另一方面，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，其上存储有计算机程序，所述计算机指令用于使所述计算机执行上述一方面实施例所述的视频的插帧方法。
根据本申请的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现上述一方面实施例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公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开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是本申请实施例所涉及的一种实施环境的示意图；
图2是本申请实施例提供的一种视频的插帧方法的流程示意图；
图3是本申请实施例提供的视觉语义特征示意图；
图4是本申请实施例提供的深度信息示意图；
图5是本申请实施例提供的另一种视频的插帧方法的流程示意图；
图6是本申请实施例提供的插帧模型训练方法的流程示意图；
图7是本申请实施例提供的插帧模型训练的示意图；
图8是本申请实施例提供的一种视频的插帧装置的方框示意图；以及
图9是根据本申请实施例的视频的插帧方法的电子设备的框图。
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。
下面参考附图描述本申请实施例的视频的插帧方法、装置、电子设备和存储介质。
人工智能是研究使用计算机来模拟人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领域也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术；人工智能软件技术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深度学习、大数据处理技术、知识图谱技术等几大方向。
计算机视觉是一门研究如何使机器“看”的科学，更进一步的说，就是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’的人工智能系统。这里所指的信息指Shannon(香农公式)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系统从图像或多维数据中“感知”的科学。
深度学习是机器学习领域中一个新的研究方向。深度学习是学习样本数据的内在规律和表示层次，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。
本申请实施例，针对相关技术中，实现视频插帧的方法存在计算效率低下，无法处理遮挡的情况，以及在画面变化较大的情况下，导致插帧效果不好的问题，提出一种视频的插帧方法。
本申请实施例的视频的插帧方法，根据从视频中获取的第i-1帧图像和第i帧图像的视觉语义特征图和深度信息图生成插帧信息，并根据插帧信息和第i-1帧图像生成第i-1帧图像和第i帧图像之间的插帧，将其插入第i-1帧图像和第i帧图像之间，解决了上述相关技术中的问题，同时提高了视频的播放流畅度。
参见图1，图1是本申请实施例所涉及的一种实施环境的示意图，该实施环境包括：视频提供设备101和显示设备102，视频提供设备101可以为数字通用光盘播放机、影音光盘播放机、服务器、U盘或智能硬盘等，显示设备102可以为手机、平板电脑、台式电脑或者电视机等具有显示功能的视频处理设备。视频提供设备101和显示设备102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。其中，无线网络连接例如可以为采用移动通信网络、蓝牙、紫峰(Zigbee)或者无线保真(Wireless Fidelity，WIFI)等方式进行的通信连接。有线网络连接例如可以为采用双绞线、同轴电缆、光纤、网线或者数据线(如USB、IEEE1394、串口或并口等)等方式进行的通信连接。
需要说明的是，当该实施例中所描述的显示设备102为手机、平板电脑等内置摄像头的电子设备时，显示设备102还可通过内置的摄像头拍摄视频并保存。其中，显示设备102可将拍摄的视频保存在自身的存储空间中，其中，该存储空间不仅限于基于实体的存储空间，例如，硬盘，上述存储空间还可以是连接显示设备102的网络硬盘的存储空间(云存储空间)。
本申请实施例提供的视频的插帧方法，可以由电子设备来执行，该电子设备可为一种视频处理设备，该视频处理设备可以是图1所示的实施环境中的视频提供设备101或显示设备102。当视频处理设备为图1所示的实施环境中的视频提供设备101时，视频处理设备可以获取视频，并对该视频进行插帧处理得到处理后的视频，以及将处理后的视频发送至显示设备102，以由显示设备102对该处理后的视频进行播放。当视频处理设备为图1所示的实施环境中的显示设备102时，在一种可实现方式中，视频处理设备可以从视频提供设备101中获取视频，并对该视频进行插帧处理得到处理后的视频，以及对该处理后的视频进行播放；在另一种可实现方式中，视频处理设备通过内置的摄像头获取视频，并对该视频进行插帧处理得到处理后的视频，以及将处理后的视频通过自身的显示屏视频进行播放。
在本申请实施例中，电子设备中可以设置有处理组件、存储组件和驱动组件。可选的，该驱动组件和处理组件可以集成设置，该存储组件可以存储操作系统、应用程序或其他程序模块，该处理组件通过执行存储组件中存储的应用程序来实现本申请实施例提供的视频的插帧方法。
图2是本申请实施例提供的一种视频的插帧方法的流程示意图。
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，以实现根据从视频中获取的第i-1帧图像和第i帧图像的视觉语义特征图和深度信息图生成插帧信息，并根据插帧信息和第i-1帧图像生成第i-1帧图像和第i帧图像之间的插帧，将其插入第i-1帧图像和第i帧图像之间。
如图2所示，该视频的插帧方法可以包括以下步骤：
步骤201，获取视频。应说明的是，该视频可为用户想要进行视频插帧以提升其播放流畅度的目标视频。
在本申请实施例中，电子设备可以获取目标视频。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存储的视频中获取目标视频；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目标视频，例如，电子设备可以通过目标视频对应的统一资源定位符(Uniform ResourceLocator，URL)从视频提供设备下载目标视频；在另一种可实现方式中，电子设备存储有目标视频，电子设备可以从自身存储的视频中获取该目标视频；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目标视频。
步骤202，获取视频之中的第i-1帧图像和第i帧图像，其中，i为正整数。可以理解的是，第i-1帧图像和第i帧图像是视频中任意相邻的帧图像。
具体地,目标视频可包括多个帧图像，即多个单帧图像，电子设备在获取到目标视频后，可通过执行预设的应用程序获取目标视频中任意相邻的两个帧图像，即第i-1帧图像和第i帧图像。
步骤203，分别获取第i-1帧图像和第i帧图像的视觉语义特征图和深度信息图。
在本申请实施例中，可通过预设的语义分割网络分别获取第i-1帧图像和第i帧图像的视觉语义特征图，其中，预设的语义分割网络可根据实际情况进行标定，例如，该预设的语义分割网络可以是利用语义分割的标注数据专门训练设计的语义分割网络，此处不做任何限定。应说明的是，语义分割就是根据每个像素的语义信息进行分割，同一语义的像素被赋予相同的颜色，既能够分割成不同区域，又能识别出其中的内容。
具体地，可将获取到的第i-1帧图像和第i帧图像输入预设的语义分割网络，预设的语义分割网络分别抽取第i-1帧图像和第i帧图像中各个物体、场景的语义分割信息，以分别输出形式为与原帧图像(第i-1帧图像和第i帧图像)同样尺寸的视觉语义特征图。视觉语义特征图中元素为对应位置原帧图像中像素所属的语义标签。例如，参见图3，原帧图像中的汽车都涂成了蓝色，人都是黄色，树木都是绿色，建筑物都是红色。
需要说明的是，该实施例中所描述的输出与原帧图像同样尺寸的视觉语义特征图，是为了使视觉语义特征图中的分割信息(结果)与原帧图像像素位置保持对应，例如，参见图3，原帧图像中的建筑物对应视觉语义特征图中红色建筑物的像素位置。
在本申请实施例中，可通过预设的深度信息网络分别获取第i-1帧图像和第i帧图像的深度信息图，其中，预设的深度信息网络可根据实际情况进行标定，例如，该预设的深度信息网络可以是利用深度信息的标注数据专门训练设计的深度信息网络，此处不做任何限定。
具体地，可将获取到的第i-1帧图像和第i帧图像输入预设的深度信息网络，预设的语义分割网络分别抽取第i-1帧图像和第i帧图像中各个物体的深度信息，分别输出形式为与原帧图像(第i-1帧图像和第i帧图像)同样尺寸的深度信息图，深度信息图中元素为对应位置原帧图像中像素的深度信息(物体到镜头的距离)。例如，参见图4，不同的颜色对应的是深度信息。
需要说明的是，上述实施例中所描述的输出与原帧图像同样尺寸的深度信息图，是为了使深度信息图中各个物体的像素位置与原帧图像中各个物体的像素位置保持对应。
步骤204，根据第i-1帧图像和第i帧图像的视觉语义特征图和深度信息图生成插帧信息。
步骤205，根据插帧信息和第i-1帧图像生成第i-1帧图像和第i帧图像之间的插帧，并插入第i-1帧图像和第i帧图像之间。
在本申请实施例中，可将第i-1帧图像和第i帧图像的视觉语义特征图和深度信息图拼接整合到一起，输入到预设的插帧网络以生成插帧信息，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。
具体地，电子设备在分别获取到第i-1帧图像和第i帧图像的视觉语义特征图和深度信息图后，将第i-1帧图像和第i帧图像的视觉语义特征图和深度信息图拼接整合到一起，输入到预设的插帧网络以通过预设的插帧网络生成插帧信息，并根据插帧信息和第i-1帧图像生成第i-1帧图像和第i帧图像之间的插帧，将其插入第i-1帧图像和第i帧图像之间。
需要说明的是，该实施例中利用预设的插帧网络生成插帧信息至少具有如下几个优点：
①，由于预设的插帧网络本身是由深度卷积网络构成的，所以不含有传统的光流估计，运动补偿等复杂计算，计算效率很高；
②，预设的插帧网络还能够根据视觉语义特征图和深度信息图，捕捉到视频中物体的前后遮挡关系，可以有效的处理遮挡的情况；
③，由于预设的插帧网络本身是由深度卷积网络构成的，感受野较大，再加上视觉语义和深度信息，能适应运动变化较大的情况；
④，视觉语义特征图还能帮助预设的插帧网络处理场景变换的情况，比如镜头切换，从室内切换到了室外。
本申请实施例中，首先获取视频，并获取视频之中的第i-1帧图像和第i帧图像，以及分别获取第i-1帧图像和第i帧图像的视觉语义特征图和深度信息图，然后根据第i-1帧图像和第i帧图像的视觉语义特征图和深度信息图生成插帧信息，最后根据插帧信息和第i-1帧图像生成第i-1帧图像和第i帧图像之间的插帧，并插入第i-1帧图像和第i帧图像之间。由此，根据视频之中帧图像的视觉语义特征图和深度信息图对视频进行插帧，计算效率较高，且可以处理遮挡及画面变化较大的情况，从而有效的提高了插帧效果。
为了清楚说明上一实施例，在本申请的一个实施例中，根据第i-1帧图像和第i帧图像的视觉语义特征图和深度信息图生成插帧信息，可包括根据第i-1帧图像和第i帧图像的视觉语义特征图生成插帧的视觉语义特征图，并根据第i-1帧图像和第i帧图像的深度信息图生成插帧的深度信息图，以及根据插帧的视觉语义特征图和深度信息图生成插帧信息。
具体地，电子设备在分别获取到第i-1帧图像和第i帧图像的视觉语义特征图和深度信息图后，将第i-1帧图像和第i帧图像的视觉语义特征图和深度信息图拼接整合到一起，输入到预设的插帧网络。插帧网络分别抽取第i-1帧图像和第i帧图像的视觉语义特征图，以及第i-1帧图像和第i帧图像的深度信息图，而后根据第i-1帧图像和第i帧图像的视觉语义特征图生成插帧的视觉语义特征图，即待插入第i-1帧图像和第i帧图像之间的视觉语义特征图，并根据第i-1帧图像和第i帧图像的深度信息图生成插帧的深度信息图，即待插入第i-1帧图像和第i帧图像之间的深度信息图，以及根据插帧的视觉语义特征图和深度信息图生成插帧信息。由此，通过预设的插帧网络分别计算待插入第i-1帧图像和第i帧图像之间的视觉语义特征图和待插入第i-1帧图像和第i帧图像之间的深度信息图，不仅能够进一步提高计算的效率，而且由于插帧的视觉语义特征图是单独计算的更有利于处理场景变换的情况。
为了进一步提高视频插帧的效果使插帧后的视频播放更加的流畅，在本申请的一个实施例中，上述视频的插帧方法还包括分别获取第i-1帧图像和第i帧图像的深层特征图，并根据第i-1帧图像和第i帧图像的深层特征图生成插帧的深层特征图，其中，插帧信息还可包括插帧的深层特征图。其中，深层特征图既可包含对应帧图像中的整体信息、又可包含细节信息的深层特征。
在本申请实施例中，可通过预设的深度神经网络分别获取第i-1帧图像和第i帧图像的深层特征图，其中，预设的深度神经网络可根据实际情况进行标定，例如，该预设的深度神经网络可以是利用深层信息的标注数据专门训练设计的深度神经网络，此处不做任何限定。
具体地，可将获取到的第i-1帧图像和第i帧图像输入预设的深度神经网络，预设的深度神经网络分别抽取第i-1帧图像和第i帧图像中各个物体、场景的的深层特征，以分别输出形式为与原帧图像(第i-1帧图像和第i帧图像)同样尺寸的深层特征图，并根据第i-1帧图像和第i帧图像的深层特征图生成插帧的深层特征图。由于深层特征图既可包含对应帧图像中的整体信息、又可包含细节信息的深层特征，故而可进一步提高视频插帧的效果，使插帧后的视频播放更加的流畅的同时，提升了画面的质感。
为了清楚说明上一实施例，本实施例提供了另一种视频的插帧方法，图5是本申请实施例提供的另一种视频的插帧方法的流程示意图。
如图5所示，该视频的插帧方法可以包括以下步骤：
步骤501，获取视频。其中，该视频可为用户想要进行视频插帧以提升其播放流畅度的目标视频。
步骤502，获取视频之中的第i-1帧图像和第i帧图像，其中，i为正整数。可以理解的是，第i-1帧图像和第i帧图像是视频中任意相邻的帧图像。
具体地,目标视频可包括多个帧图像，即多个单帧图像，电子设备在获取到目标视频后，可通过执行预设的应用程序获取目标视频中任意相邻的两个帧图像，即第i-1帧图像和第i帧图像。
步骤503，分别获取第i-1帧图像和第i帧图像的视觉语义特征图、深度信息图和深层特征图。
具体地，在电子设备中，可将获取到的第i-1帧图像和第i帧图像输入预设的语义分割网络，预设的语义分割网络分别抽取第i-1帧图像和第i帧图像中各个物体、场景的语义分割信息，以分别输出形式为与原帧图像(第i-1帧图像和第i帧图像)同样尺寸的视觉语义特征图；可将获取到的第i-1帧图像和第i帧图像输入预设的深度信息网络，预设的语义分割网络分别抽取第i-1帧图像和第i帧图像中各个物体的深度信息，分别输出形式为与原帧图像(第i-1帧图像和第i帧图像)同样尺寸的深度信息图，深度信息图中元素为对应位置原帧图像中像素的深度信息(物体到镜头的距离)；可将获取到的第i-1帧图像和第i帧图像输入预设的深度神经网络，预设的深度神经网络分别抽取第i-1帧图像和第i帧图像中各个物体、场景的的深层特征，以分别输出形式为与原帧图像(第i-1帧图像和第i帧图像)同样尺寸的深层特征图。
步骤504，根据第i-1帧图像和第i帧图像的视觉语义特征图生成插帧的视觉语义特征图。
具体地，可将第i-1帧图像和第i帧图像的视觉语义特征图，单独输入到预设的插帧网络以生成插帧的视觉语义特征图，即待插入第i-1帧图像和第i帧图像之间的视觉语义特征图，由于插帧的视觉语义特征图是单独计算的更有利于处理场景变换的情况。
步骤505，根据第i-1帧图像和第i帧图像的深度信息图生成插帧的深度信息图。
具体地，可将第i-1帧图像和第i帧图像的深度信息图，单独输入到预设的插帧网络以生成插帧的深度信息图，即待插入第i-1帧图像和第i帧图像之间的深度信息图。
步骤506，根据第i-1帧图像和第i帧图像的深层特征图生成插帧的深层特征图。
具体地，可将第i-1帧图像和第i帧图像的深层特征图，单独输入到预设的插帧网络以生成插帧的深层特征图，即待插入第i-1帧图像和第i帧图像之间的深层特征图，由于插帧的深层特征图是单独计算的，更有利于弄清帧图像中各个物体和场景的整体信息和细节信息，从而提升视频插帧的效果。
步骤507，根据插帧的视觉语义特征图、深度信息图和深层特征图生成插帧信息。
为了提高视频插帧的效率，在本申请其它实施例中，可将第i-1帧图像和第i帧图像的视觉语义特征图、深度信息图和深层特征图拼接整合到一起，输入到预设的插帧网络以生成插帧信息。
步骤508，根据插帧信息和第i-1帧图像生成第i-1帧图像和第i帧图像之间的插帧，并插入第i-1帧图像和第i帧图像之间。
本申请实施例中，首先获取视频，并获取视频之中的第i-1帧图像和第i帧图像，以及分别获取第i-1帧图像和第i帧图像的视觉语义特征图、深度信息图和深层特征图，然后根据第i-1帧图像和第i帧图像的视觉语义特征图、深度信息图和深层特征图生成插帧信息，最后根据插帧信息和第i-1帧图像生成第i-1帧图像和第i帧图像之间的插帧，并插入第i-1帧图像和第i帧图像之间。由此，根据视频之中帧图像的视觉语义特征图和深度信息图对视频进行插帧，计算效率较高，且可以处理遮挡及画面变化较大的情况，从而有效的提高了插帧效果，进而提高了视频的播放流畅度及画面的质感。
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，此处不做任何限定。
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6所示，上述插帧模型可通过以下方式生成：
步骤601，获取样本视频。
在本申请实施例中，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602，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603，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图和深度信息图。
步骤604，将第t-1帧图像和第t+1帧图像的视觉语义特征图和深度信息图输入插帧模型，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7来详细说明插帧模型的训练过程：
参见图7，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和深度信息网络分别获取第t-1帧图像、第t帧图像和第t+1帧图像的视觉语义特征图和深度信息图。同时服务器中安装有视觉语义监督程序和深度信息监督程序，对第t-1帧图像和第t+1帧图像的视觉语义特征图和深度信息图进行监督，以保证第t-1帧图像和第t+1帧图像的视觉语义特征图和深度信息图的精确度。最后服务器将第t-1帧图像和第t+1帧图像的视觉语义特征图和深度信息图输入插帧模型，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图和深度信息图与第t帧图像的视觉语义特征图和深度信息图进行对比，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。
参见图7，为了进一步提高对插帧模型进行训练的效果，服务器还可通过训练用的深层特征网络分别获取第t-1帧图像、第t帧图像和第t+1帧图像的深层特征图，并将第t-1帧图像和第t+1帧图像的视觉语义特征图、深度信息图和深层特征图输入插帧模型，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帧图像的深层特征图与第t帧图像的深层特征图进行对比，以确定第t帧图像中前一帧和后一帧各个物体和场景的整体信息和细节信息，并将其作为训练的数据对对插帧模型进行训练，从而进一步提高训练的效果。
在本申请实施例中，样本视频可为第一帧率，视频可为第二帧率，其中，第一帧率大于第二帧率，且视频插帧之后为第一帧率。
举例而言，假设第一帧率为60帧率，第二帧率为30帧率，其中，30帧率的视频在通过本申请实施例的视频的插帧方法进行视频插帧之后，将变成60帧率的视频，从而提高视频播放的流畅度。
图8是本申请实施例提供的一种视频的插帧装置的方框示意图。
本申请实施例的视频的插帧装置，可配置于电子设备中，以实现根据从视频中获取的第i-1帧图像和第i帧图像的视觉语义特征图和深度信息图生成插帧信息，并根据插帧信息和第i-1帧图像生成第i-1帧图像和第i帧图像之间的插帧，将其插入第i-1帧图像和第i帧图像之间。
如图8所示，该视频的插帧装置800可以包括：第一获取模块810、第二获取模块820、第三获取模块830、第一生成模块840和插帧模块850。
其中，第一获取模块810用于获取视频。应说明的是，该视频可为用户想要进行视频插帧以提升其播放流畅度的目标视频。
在本申请实施例中，电子设备可以通过内置的第一获取模块810获取目标视频。可选的，当电子设备为视频提供设备时，电子设备通过内置的第一获取模块810可以从自身存储的视频中获取目标视频；当电子设备为显示设备时，在一种可实现方式中，电子设备通过内置的第一获取模块810可以从视频提供设备中获取目标视频，例如，电子设备通过内置的第一获取模块810可以通过目标视频对应的统一资源定位符(Uniform ResourceLocator，URL)从视频提供设备下载目标视频；在另一种可实现方式中，电子设备存储有目标视频，电子设备通过内置的第一获取模块810可以从自身存储的视频中获取该目标视频；在另一种可实现方式中，电子设备通过内置的第一获取模块810可以通过内置的摄像头拍摄视频以获取目标视频。
第二获取模块820用于获取视频之中的第i-1帧图像和第i帧图像，其中，i为正整数。可以理解的是，第i-1帧图像和第i帧图像是视频中任意相邻的帧图像。
具体地,目标视频可包括多个帧图像，即多个单帧图像，在第一获取模块810获取到目标视频后，第二获取模块820可通过执行预设的应用程序获取目标视频中任意相邻的两个帧图像，即第i-1帧图像和第i帧图像。
第三获取模块830用于分别获取第i-1帧图像和第i帧图像的视觉语义特征图和深度信息图。
在本申请实施例中，第三获取模块830可通过预设的语义分割网络分别获取第i-1帧图像和第i帧图像的视觉语义特征图，其中，预设的语义分割网络可根据实际情况进行标定，例如，该预设的语义分割网络可以是利用语义分割的标注数据专门训练设计的语义分割网络，此处不做任何限定。应说明的是，语义分割就是根据每个像素的语义信息进行分割，同一语义的像素被赋予相同的颜色，既能够分割成不同区域，又能识别出其中的内容。
具体地，第三获取模块830可将获取到的第i-1帧图像和第i帧图像输入预设的语义分割网络，预设的语义分割网络分别抽取第i-1帧图像和第i帧图像中各个物体、场景的语义分割信息，以分别输出形式为与原帧图像(第i-1帧图像和第i帧图像)同样尺寸的视觉语义特征图。视觉语义特征图中元素为对应位置原帧图像中像素所属的语义标签。例如，参见图3，原帧图像中的汽车都涂成了蓝色，人都是黄色，树木都是绿色，建筑物都是红色。
需要说明的是，该实施例中所描述的输出与原帧图像同样尺寸的视觉语义特征图，是为了使视觉语义特征图中的分割信息(结果)与原帧图像像素位置保持对应，例如，参见图3，原帧图像中的建筑物对应视觉语义特征图中红色建筑物的像素位置。
在本申请实施例中，第三获取模块830可通过预设的深度信息网络分别获取第i-1帧图像和第i帧图像的深度信息图，其中，预设的深度信息网络可根据实际情况进行标定，例如，该预设的深度信息网络可以是利用深度信息的标注数据专门训练设计的深度信息网络，此处不做任何限定。
具体地，第三获取模块830可将获取到的第i-1帧图像和第i帧图像输入预设的深度信息网络，预设的语义分割网络分别抽取第i-1帧图像和第i帧图像中各个物体的深度信息，分别输出形式为与原帧图像(第i-1帧图像和第i帧图像)同样尺寸的深度信息图，深度信息图中元素为对应位置原帧图像中像素的深度信息(物体到镜头的距离)。例如，参见图4，不同的颜色对应的是深度信息。
需要说明的是，上述实施例中所描述的输出与原帧图像同样尺寸的深度信息图，是为了使深度信息图中各个物体的像素位置与原帧图像中各个物体的像素位置保持对应。
第一生成模块840用于根据第i-1帧图像和第i帧图像的视觉语义特征图和深度信息图生成插帧信息。
插帧模块850用于根据插帧信息和第i-1帧图像生成第i-1帧图像和第i帧图像之间的插帧，并插入第i-1帧图像和第i帧图像之间。
在本申请实施例中，第一生成模块840可将第i-1帧图像和第i帧图像的视觉语义特征图和深度信息图拼接整合到一起，输入到预设的插帧网络以生成插帧信息，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。
具体地，在第三获取模块830分别获取到第i-1帧图像和第i帧图像的视觉语义特征图和深度信息图后，第一生成模块840将第i-1帧图像和第i帧图像的视觉语义特征图和深度信息图拼接整合到一起，输入到预设的插帧网络以通过预设的插帧网络生成插帧信息，而后插帧模块850根据插帧信息和第i-1帧图像生成第i-1帧图像和第i帧图像之间的插帧，将其插入第i-1帧图像和第i帧图像之间。
需要说明的是，该实施例中利用预设的插帧网络生成插帧信息至少具有如下几个优点：
①，由于预设的插帧网络本身是由深度卷积网络构成的，所以不含有传统的光流估计，运动补偿等复杂计算，计算效率很高；
②，预设的插帧网络还能够根据视觉语义特征图和深度信息图，捕捉到视频中物体的前后遮挡关系，可以有效的处理遮挡的情况；
③，由于预设的插帧网络本身是由深度卷积网络构成的，感受野较大，再加上视觉语义和深度信息，能适应运动变化较大的情况；
④，视觉语义特征图还能帮助预设的插帧网络处理场景变换的情况，比如镜头切换，从室内切换到了室外。
本申请实施例中，通过第一获取模块获取视频，通过第二获取模块获取视频之中的第i-1帧图像和第i帧图像，通过第三获取模块分别获取第i-1帧图像和第i帧图像的视觉语义特征图和深度信息图；第一生成模块根据第i-1帧图像和第i帧图像的视觉语义特征图和深度信息图生成插帧信息；插帧模块根据插帧信息和第i-1帧图像生成第i-1帧图像和第i帧图像之间的插帧，并插入第i-1帧图像和第i帧图像之间。由此，根据视频之中帧图像的视觉语义特征图和深度信息图对视频进行插帧，计算效率较高，且可以处理遮挡及画面变化较大的情况，从而有效的提高了插帧效果。
在本申请的一个实施例中，如图8所示，第一生成模块840可包括第一生成单元841、第二生成单元842和第三生成单元843。
其中，第一生成单元841用于根据第i-1帧图像和第i帧图像的视觉语义特征图生成插帧的视觉语义特征图。
第二生成单元842用于根据第i-1帧图像和第i帧图像的深度信息图生成插帧的深度信息图。
第三生成单元843用于根据插帧的视觉语义特征图和深度信息图生成插帧信息。
在本申请的一个实施例中，如图8所示，该视频的插帧装置800还可包括第四获取模块860和第二生成模块870。
其中，第四获取模块860用于分别获取第i-1帧图像和第i帧图像的深层特征图；
第二生成模块870用于根据第i-1帧图像和第i帧图像的深层特征图生成插帧的深层特征图，其中，插帧信息还包括插帧的深层特征图。
在本申请的一个实施例中，如图8所示，插帧模块850可包括插帧模型851，其中，通过插帧模型851生成插帧的插帧信息。
在本申请的一个实施例中，如图8所示，上述视频的插帧装置800，还可包括插帧模型训练模块880，其中，插帧模型训练模块880用于获取样本视频，并获取样本视频的第t-1帧图像、第t帧图像和第t+1帧图像，以及分别获取第t-1帧图像、第t帧图像和第t+1帧图像的视觉语义特征图和深度信息图，并将第t-1帧图像和第t+1帧图像的视觉语义特征图和深度信息图输入插帧模型，以及将第t帧图像作为目标插帧对插帧模型进行训练。
在本申请的一个实施例中，样本视频为第一帧率，视频为第二帧率，第一帧率大于第二帧率，且视频插帧之后为第一帧率。
需要说明的是，前述对视频的插帧方法实施例的解释说明也适用于该实施例的视频的插帧装置，此处不再赘述。
本申请实施例的视频的插帧装置，通过第一获取模块获取视频，通过第二获取模块获取视频之中的第i-1帧图像和第i帧图像，通过第三获取模块分别获取第i-1帧图像和第i帧图像的视觉语义特征图和深度信息图；第一生成模块根据第i-1帧图像和第i帧图像的视觉语义特征图和深度信息图生成插帧信息；插帧模块根据插帧信息和第i-1帧图像生成第i-1帧图像和第i帧图像之间的插帧，并插入第i-1帧图像和第i帧图像之间。由此，根据视频之中帧图像的视觉语义特征图和深度信息图对视频进行插帧，计算效率较高，且可以处理遮挡及画面变化较大的情况，从而有效的提高了插帧效果。
根据本申请的实施例，本申请还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图9示出了可以用来实施本申请的实施例的示例电子设备900的示意性框图。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9所示，设备900包括计算单元901，其可以根据存储在只读存储器(ROM)902中的计算机程序或者从存储单元909加载到随机访问存储器(RAM)903中的计算机程序，来执行各种适当的动作和处理。在RAM 903中，还可存储设备900操作所需的各种程序和数据。计算单元901、ROM 902以及RAM 903通过总线904彼此相连。输入/输出(I/O)接口909也连接至总线904。
设备900中的多个部件连接至I/O接口909，包括：输入单元906，例如键盘、鼠标等；输出单元907，例如各种类型的显示器、扬声器等；存储单元909，例如磁盘、光盘等；以及通信单元909，例如网卡、调制解调器、无线通信收发机等。通信单元909允许设备900通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元901可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元901的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元901执行上文所描述的各个方法和处理，例如视频的插帧方法。例如，在一些实施例中，视频的插帧方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元909。在一些实施例中，计算机程序的部分或者全部可以经由ROM 902和/或通信单元909而被载入和/或安装到设备900上。当计算机程序加载到RAM 903并由计算单元901执行时，可以执行上文描述的视频的插帧方法的一个或多个步骤。备选地，在其他实施例中，计算单元901可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行视频的插帧方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、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系统上执行和/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，可以从存储系统、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系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本申请的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本申请的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，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。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(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系统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系统中。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)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)和互联网、互联网和区块链网络。
计算机系统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。服务器可以是云服务器，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系统的服务器，或者是结合了区块链的服务器。
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 (14)

1.一种视频的插帧方法，包括：
获取视频；
获取所述视频之中的第i-1帧图像和第i帧图像，其中，i为正整数；
分别获取所述第i-1帧图像和所述第i帧图像的视觉语义特征图和深度信息图，其中，通过预设的语义分割网络分别获取所述第i-1帧图像和所述第i帧图像的视觉语义特征图；
将所述第i-1帧图像和所述第i帧图像的视觉语义特征图和深度信息图拼接整合到一起，输入到预设的插帧网络以生成插帧信息；以及
根据所述插帧信息和所述第i-1帧图像生成所述第i-1帧图像和所述第i帧图像之间的插帧，并插入所述第i-1帧图像和所述第i帧图像之间。
2.如权利要求1所述的视频的插帧方法，其中，所述根据所述第i-1帧图像和所述第i帧图像的视觉语义特征图和深度信息图生成插帧信息，包括：
根据所述第i-1帧图像和所述第i帧图像的视觉语义特征图生成所述插帧的视觉语义特征图；
根据所述第i-1帧图像和所述第i帧图像的深度信息图生成所述插帧的深度信息图；以及
根据所述插帧的视觉语义特征图和所述深度信息图生成所述插帧信息。
3.如权利要求1或2所述的视频的插帧方法，还包括：
分别获取所述第i-1帧图像和所述第i帧图像的深层特征图；以及
根据所述第i-1帧图像和所述第i帧图像的深层特征图生成所述插帧的深层特征图，其中，所述插帧信息还包括所述插帧的深层特征图。
4.如权利要求3所述的视频的插帧方法，其中，通过插帧模型生成所述插帧的插帧信息。
5.如权利要求4所述的视频的插帧方法，其中，所述插帧模型通过以下方式生成：
获取样本视频；
获取所述样本视频的第t-1帧图像、第t帧图像和第t+1帧图像；
分别获取所述第t-1帧图像、所述第t帧图像和所述第t+1帧图像的视觉语义特征图和深度信息图；以及
将所述第t-1帧图像和所述第t+1帧图像的视觉语义特征图和深度信息图输入所述插帧模型，并将所述第t帧图像作为目标插帧对所述插帧模型进行训练。
6.如权利要求5所述的视频的插帧方法，其中，所述样本视频为第一帧率，所述视频为第二帧率，所述第一帧率大于所述第二帧率，且视频插帧之后为所述第一帧率。
7.一种视频的插帧装置，包括：
第一获取模块，用于获取视频；
第二获取模块，用于获取所述视频之中的第i-1帧图像和第i帧图像，其中，i为正整数；
第三获取模块，用于分别获取所述第i-1帧图像和所述第i帧图像的视觉语义特征图和深度信息图，其中，通过预设的语义分割网络分别获取所述第i-1帧图像和所述第i帧图像的视觉语义特征图；
第一生成模块，用于将所述第i-1帧图像和所述第i帧图像的视觉语义特征图和深度信息图拼接整合到一起，输入到预设的插帧网络以生成插帧信息；以及
插帧模块，用于根据所述插帧信息和所述第i-1帧图像生成所述第i-1帧图像和所述第i帧图像之间的插帧，并插入所述第i-1帧图像和所述第i帧图像之间。
8.如权利要求7所述的视频的插帧装置，其中，所述第一生成模块，包括：
第一生成单元，用于根据所述第i-1帧图像和所述第i帧图像的视觉语义特征图生成所述插帧的视觉语义特征图；
第二生成单元，用于根据所述第i-1帧图像和所述第i帧图像的深度信息图生成所述插帧的深度信息图；以及
第三生成单元，用于根据所述插帧的视觉语义特征图和所述深度信息图生成所述插帧信息。
9.如权利要求7或8所述的视频的插帧装置，还包括：
第四获取模块，用于分别获取所述第i-1帧图像和所述第i帧图像的深层特征图；
第二生成模块，用于根据所述第i-1帧图像和所述第i帧图像的深层特征图生成所述插帧的深层特征图，其中，所述插帧信息还包括所述插帧的深层特征图。
10.如权利要求9所述的视频的插帧装置，其中，所述插帧模块包括插帧模型，其中，通过所述插帧模型生成所述插帧的插帧信息。
11.如权利要求10所述的视频的插帧装置，还包括插帧模型训练模块，用于获取样本视频，并获取所述样本视频的第t-1帧图像、第t帧图像和第t+1帧图像，以及分别获取所述第t-1帧图像、所述第t帧图像和所述第t+1帧图像的视觉语义特征图和深度信息图，并将所述第t-1帧图像和所述第t+1帧图像的视觉语义特征图和深度信息图输入所述插帧模型，以及将所述第t帧图像作为目标插帧对所述插帧模型进行训练。
12.如权利要求11所述的视频的插帧装置，其中，所述样本视频为第一帧率，所述视频为第二帧率，所述第一帧率大于所述第二帧率，且视频插帧之后为所述第一帧率。
13.一种电子设备，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权利要求1-6中任一项所述的视频的插帧方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-6中任一项所述的视频的插帧方法。
CN202010412447.5A 2020-05-15 2020-05-15 视频的插帧方法、装置、电子设备和存储介质 Active CN111654746B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202010412447.5A CN111654746B (zh) 2020-05-15 2020-05-15 视频的插帧方法、装置、电子设备和存储介质
US17/125,370 US11363271B2 (en) 2020-05-15 2020-12-17 Method for video frame interpolation, related electronic device and storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010412447.5A CN111654746B (zh) 2020-05-15 2020-05-15 视频的插帧方法、装置、电子设备和存储介质

Publications (2)

Publication Number Publication Date
CN111654746A CN111654746A (zh) 2020-09-11
CN111654746B true CN111654746B (zh) 2022-01-21

Family

ID=72347965

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010412447.5A Active CN111654746B (zh) 2020-05-15 2020-05-15 视频的插帧方法、装置、电子设备和存储介质

Country Status (2)

Country Link
US (1) US11363271B2 (zh)
CN (1) CN111654746B (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112584076B (zh) 2020-12-11 2022-12-06 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
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
CN112804526B (zh) * 2020-12-31 2022-11-11 紫光展锐(重庆)科技有限公司 图像数据存储方法、设备及存储介质、芯片、模组设备
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
CN113014937B (zh) * 2021-02-24 2022-09-16 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
CN112929689B (zh) * 2021-02-24 2023-04-07 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
CN113269140B (zh) * 2021-06-18 2024-05-24 北京灵汐科技有限公司 图像处理方法与装置、存储介质、电子设备
CN115734005A (zh) * 2021-08-26 2023-03-03 腾讯科技（深圳）有限公司 视频图像帧的生成方法、装置、设备及存储介质
CN114205648B (zh) * 2021-12-07 2024-06-04 网易（杭州）网络有限公司 插帧方法及装置
CN115048173A (zh) * 2022-06-17 2022-09-13 Oppo广东移动通信有限公司 插帧方法、装置、存储介质及电子设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108322685A (zh) * 2018-01-12 2018-07-24 广州华多网络科技有限公司 视频插帧方法、存储介质以及终端
CN109922231A (zh) * 2019-02-01 2019-06-21 重庆爱奇艺智能科技有限公司 一种用于生成视频的插帧图像的方法和装置
CN110324664A (zh) * 2019-07-11 2019-10-11 南开大学 一种基于神经网络的视频补帧方法及其模型的训练方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7072347B2 (en) * 2001-02-23 2006-07-04 International Business Machines Corporation Assignment of packet descriptor field positions in a network processor
US9257092B2 (en) * 2013-02-12 2016-02-09 Vmware, Inc. Method and system for enhancing user experience for remoting technologies
CN109919869B (zh) * 2019-02-28 2021-06-04 腾讯科技（深圳）有限公司 一种图像增强方法、装置及存储介质
CN110176027B (zh) * 2019-05-27 2023-03-14 腾讯科技（深圳）有限公司 视频目标跟踪方法、装置、设备及存储介质
CN111083417B (zh) * 2019-12-10 2021-10-19 Oppo广东移动通信有限公司 图像处理方法及相关产品

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108322685A (zh) * 2018-01-12 2018-07-24 广州华多网络科技有限公司 视频插帧方法、存储介质以及终端
CN109922231A (zh) * 2019-02-01 2019-06-21 重庆爱奇艺智能科技有限公司 一种用于生成视频的插帧图像的方法和装置
CN110324664A (zh) * 2019-07-11 2019-10-11 南开大学 一种基于神经网络的视频补帧方法及其模型的训练方法

Also Published As

Publication number Publication date
CN111654746A (zh) 2020-09-11
US20210360252A1 (en) 2021-11-18
US11363271B2 (en) 2022-06-14

Similar Documents

Publication Publication Date Title
CN111654746B (zh) 视频的插帧方法、装置、电子设备和存储介质
JP7135125B2 (ja) 近赤外画像の生成方法、近赤外画像の生成装置、生成ネットワークの訓練方法、生成ネットワークの訓練装置、電子機器、記憶媒体及びコンピュータプログラム
CN112584077B (zh) 视频的插帧方法、装置及电子设备
CN112954450B (zh) 视频处理方法、装置、电子设备和存储介质
US11641446B2 (en) Method for video frame interpolation, and electronic device
CN111553362B (zh) 一种视频处理方法、电子设备和计算机可读存储介质
CN111507997B (zh) 图像分割方法、装置、设备及计算机存储介质
US20230143452A1 (en) Method and apparatus for generating image, electronic device and storage medium
US20240005625A1 (en) Image processing method and apparatus, electronic device and storage medium
CN111768356A (zh) 一种人脸图像融合方法、装置、电子设备及存储介质
CN113365146B (zh) 用于处理视频的方法、装置、设备、介质和产品
CN113379877B (zh) 人脸视频生成方法、装置、电子设备及存储介质
CN114092759A (zh) 图像识别模型的训练方法、装置、电子设备及存储介质
JP2023525462A (ja) 特徴を抽出するための方法、装置、電子機器、記憶媒体およびコンピュータプログラム
CN112967193A (zh) 图像校准方法及装置、计算机可读介质和电子设备
CN111768377A (zh) 图像色彩评估方法、装置、电子设备及存储介质
CN114187392A (zh) 虚拟偶像的生成方法、装置和电子设备
CN115393488B (zh) 虚拟人物表情的驱动方法、装置、电子设备和存储介质
CN111866492A (zh) 基于头戴显示设备的图像处理方法、装置及设备
CN113656629B (zh) 视觉定位方法、装置、电子设备及存储介质
CN113988294A (zh) 训练预测网络的方法、图像处理方法和装置
CN110807728B (zh) 对象的显示方法、装置、电子设备及计算机可读存储介质
CN113784217A (zh) 视频播放方法、装置、设备和存储介质
CN113691866B (zh) 视频处理方法、装置、电子设备和介质
CN113542620B (zh) 一种特效处理方法、装置及电子设备

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