CN112929689B - 视频插帧方法、装置、设备以及存储介质 - Google Patents
视频插帧方法、装置、设备以及存储介质 Download PDFInfo
- Publication number
- CN112929689B CN112929689B CN202110204129.4A CN202110204129A CN112929689B CN 112929689 B CN112929689 B CN 112929689B CN 202110204129 A CN202110204129 A CN 202110204129A CN 112929689 B CN112929689 B CN 112929689B
- Authority
- CN
- China
- Prior art keywords
- frame image
- optical flow
- deep features
- flow information
- time
- 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
- 238000012966 insertion method Methods 0.000 title abstract description 14
- 230000003287 optical effect Effects 0.000 claims abstract description 184
- 238000000034 method Methods 0.000 claims abstract description 38
- 238000013507 mapping Methods 0.000 claims abstract description 22
- 238000004821 distillation Methods 0.000 claims description 22
- 238000012549 training Methods 0.000 claims description 19
- 238000005070 sampling Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 4
- 238000009432 framing Methods 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims 1
- 238000003780 insertion Methods 0.000 abstract description 7
- 230000037431 insertion Effects 0.000 abstract description 7
- 238000004364 calculation method Methods 0.000 abstract description 6
- 238000013135 deep learning Methods 0.000 abstract description 6
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 238000004891 communication Methods 0.000 description 10
- 238000004590 computer program Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 8
- 238000013528 artificial neural network Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 4
- 238000003672 processing method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003993 interaction Effects 0.000 description 2
- 230000009191 jumping Effects 0.000 description 2
- 238000013140 knowledge distillation Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000013526 transfer learning Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/21—Server components or server architectures
- H04N21/218—Source of audio or video content, e.g. local disk arrays
- H04N21/2187—Live feed
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
-
- 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]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
- H04N21/234—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs
- H04N21/2343—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs involving reformatting operations of video signals for distribution or compliance with end-user requests or end-user device requirements
- H04N21/234381—Processing of video elementary streams, e.g. splicing of video streams or manipulating encoded video stream scene graphs involving reformatting operations of video signals for distribution or compliance with end-user requests or end-user device requirements by altering the temporal resolution, e.g. decreasing the frame rate by frame skipping
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- General Physics & Mathematics (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种视频插帧方法、装置、设备以及存储介质，涉及计算机视觉、深度学习等人工智能领域。该方法的一具体实施方式包括：获取目标视频中的第t‑1帧图像和第t+1帧图像；分别抽取第t‑1帧图像和第t+1帧图像的深层特征；基于第t‑1帧图像和第t+1帧图像的深层特征，估计从t‑1时刻到t时刻的正向光流信息和从t+1时刻到t时刻的反向光流信息；基于正向光流信息和反向光流信息，将第t‑1帧图像和第t+1帧图像的深层特征映射得到t时刻的深层特征；基于t时刻的深层特征，生成第t帧图像，并插入第t‑1帧图像和第t+1帧图像之间。该实施方式直接估计目标时刻的光流，节省计算开销，提高光流估计精度。
Description
技术领域
本申请实施例涉及计算机领域，具体涉及计算机视觉、深度学习等人工智能领域，尤其涉及视频插帧方法、装置、设备以及存储介质。
背景技术
随着视频直播业务的兴起，服务器分发带宽成本成为直播服务提供商的主要成本。为了减少带宽成本，一种最直接的方式是分发帧率视频，但是这种方式与60FPS(FramesPer Second，每秒传输帧数)、120FPS的高帧率视频观感体验差距很大。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，从而减少跳跃、抖动等现象的发生，极大地提升了用户体验。
发明内容
本申请实施例提出了一种视频插帧方法、装置、设备以及存储介质。
第一方面，本申请实施例提出了一种视频插帧方法，包括：获取目标视频中的第t-1帧图像和第t+1帧图像，其中，t为正整数；分别抽取第t-1帧图像和第t+1帧图像的深层特征；基于第t-1帧图像和第t+1帧图像的深层特征，估计从t-1时刻到t时刻的正向光流信息和从t+1时刻到t时刻的反向光流信息；基于正向光流信息和反向光流信息，将第t-1帧图像和第t+1帧图像的深层特征映射得到t时刻的深层特征；基于t时刻的深层特征，生成第t帧图像，并插入第t-1帧图像和第t+1帧图像之间。
第二方面，本申请实施例提出了一种视频插帧装置，包括：获取模块，被配置成获取目标视频中的第t-1帧图像和第t+1帧图像，其中，t为正整数；抽取模块，被配置成分别抽取第t-1帧图像和第t+1帧图像的深层特征；估计模块，被配置成基于第t-1帧图像和第t+1帧图像的深层特征，估计从t-1时刻到t时刻的正向光流信息和从t+1时刻到t时刻的反向光流信息；映射模块，被配置成基于正向光流信息和反向光流信息，将第t-1帧图像和第t+1帧图像的深层特征映射得到t时刻的深层特征；
插帧模块，被配置成基于t时刻的深层特征，生成第t帧图像，并插入第t-1帧图像和第t+1帧图像之间。
第三方面，本申请实施例提出了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如第一方面中任一实现方式描述的方法。
第四方面，本申请实施例提出了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行如第一方面中任一实现方式描述的方法。
第五方面，本申请实施例提出了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现如第一方面中任一实现方式描述的方法。
本申请实施例提供的视频插帧方法、装置、设备以及存储介质，首先获取目标视频中的第t-1帧图像和第t+1帧图像；之后分别抽取第t-1帧图像和第t+1帧图像的深层特征；而后基于第t-1帧图像和第t+1帧图像的深层特征，估计从t-1时刻到t时刻的正向光流信息和从t+1时刻到t时刻的反向光流信息；然后基于正向光流信息和反向光流信息，将第t-1帧图像和第t+1帧图像的深层特征映射得到t时刻的深层特征；最后基于t时刻的深层特征，生成第t帧图像，并插入第t-1帧图像和第t+1帧图像之间。本申请提供了一种基于目标时刻光流直接估计的视频插帧技术，直接估计目标时刻的光流，节省计算开销，提高光流估计精度，避免光流估计产生模糊效应。填补了视频插帧领域的技术空白。
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
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显。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是本申请可以应用于其中的示例性系统架构图；
图2是根据本申请的视频插帧方法的一个实施例的流程图；
图3是根据本申请的视频插帧方法的另一个实施例的流程图；
图4是视频插帧方法的实现框图；
图5是根据本申请的视频插帧装置的一个实施例的结构示意图；
图6是用来实现本申请实施例的视频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。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的视频插帧方法或视频插帧装置的实施例的示例性系统架构100。
如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送视频帧等。终端设备101、102、103上可以安装有各种客户端应用，例如视频软件等等。
终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述电子设备中。其可以实现成多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以提供各种服务。例如，服务器105可以对从终端设备101、102、103获取到的视频进行分析和处理，并生成处理结果(例如插帧)。
需要说明的是，服务器105可以是硬件，也可以是软件。当服务器105为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器105为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。
需要说明的是，本申请实施例所提供的视频插帧方法一般由服务器105执行，相应地，视频插帧装置一般设置于服务器105中。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
继续参考图2，其示出了根据本申请的视频插帧方法的一个实施例的流程200。该视频插帧方法包括以下步骤：
步骤201，获取目标视频中的第t-1帧图像和第t+1帧图像。
在本实施例中，视频插帧方法的执行主体(例如图1所示的服务器105)可以首先获取目标视频；然后获取目标视频中的第t-1帧图像和第t+1帧图像。其中，t为正整数。
其中，目标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视频。第t-1帧图像和第t+1帧图像为目标视频中任意相邻的两帧图像。目标视频中可以包括多帧图像，即多个单帧图像。上述执行主体在获取目标视频后，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帧图像，即第t-1帧图像和第t+1帧图像。
步骤202，分别抽取第t-1帧图像和第t+1帧图像的深层特征。
在本实施例中，上述执行主体可以分别抽取第t-1帧图像和第t+1帧图像的深层特征。
其中，深层特征可以用来表征图像所具有的特性，包括但限于颜色特征、纹理特征、形状特征和空间关系特征等等。上述执行主体可以通过传统图像处理方法或深度学习方法抽取第t-1帧图像和第t+1帧图像的深层特征，此处不做任何限定。
步骤203，基于第t-1帧图像和第t+1帧图像的深层特征，估计从t-1时刻到t时刻的正向光流信息和从t+1时刻到t时刻的反向光流信息。
在本实施例中，上述执行主体可以基于第t-1帧图像和第t+1帧图像的深层特征，估计从t-1时刻到t时刻的正向光流信息和从t+1时刻到t时刻的反向光流信息。
其中，光流可以是图像亮度模式的表观运动。光流表达了图像的变化。由于光流包含了目标运动的信息，因此可被观察者用来确定目标的运动情况。通常，存在两个方向相反的光流，从t-1时刻到t时刻的光流是正向光流，从t+1时刻到t时刻的光流是反向光流。上述执行主体可以通过传统图像处理方法或深度学习方法计算正向光流信息和反向光流信息，此处不做任何限定。
步骤204，基于正向光流信息和反向光流信息，将第t-1帧图像和第t+1帧图像的深层特征映射得到t时刻的深层特征。
在本实施例中，上述执行主体可以基于正向光流信息和反向光流信息，将第t-1帧图像和第t+1帧图像的深层特征映射得到t时刻的深层特征。
通常，t时刻存在两个方向相反的深层特征，即深层特征t_backward和深层特征t_forward。上述执行主体可以通过传统图像处理方法或深度学习方法映射得到t时刻的深层特征，此处不做任何限定。
步骤205，基于t时刻的深层特征，生成第t帧图像，并插入第t-1帧图像和第t+1帧图像之间。
在本实施例中，上述执行主体可以t时刻的深层特征，生成第t帧图像，并插入第t-1帧图像和第t+1帧图像之间。其中，第t帧图像插入第t-1帧图像和第t+1帧图像之间，将第t-1帧图像平滑地过渡到第t+1帧图像，使视频观看起来更加顺畅，从而减少跳跃、抖动等现象的发生，极大地提升了用户体验。上述执行主体可以通过传统图像处理方法或深度学习方法生成第t帧图像，此处不做任何限定。
本申请实施例提供的视频插帧方法，首先获取目标视频中的第t-1帧图像和第t+1帧图像；之后分别抽取第t-1帧图像和第t+1帧图像的深层特征；而后基于第t-1帧图像和第t+1帧图像的深层特征，估计从t-1时刻到t时刻的正向光流信息和从t+1时刻到t时刻的反向光流信息；然后基于正向光流信息和反向光流信息，将第t-1帧图像和第t+1帧图像的深层特征映射得到t时刻的深层特征；最后基于t时刻的深层特征，生成第t帧图像，并插入第t-1帧图像和第t+1帧图像之间。本申请提供了一种基于目标时刻光流直接估计的视频插帧技术，直接估计目标时刻的光流，节省计算开销，提高光流估计精度，避免光流估计产生模糊效应。填补了视频插帧领域的技术空白。
继续参考图3，图3示出了根据本申请的视频插帧方法的另一个实施例的流程300。该视频插帧方法包括以下步骤：
步骤301，获取目标视频中的第t-1帧图像和第t+1帧图像。
步骤302，分别抽取第t-1帧图像和第t+1帧图像的深层特征。
在本实施例中，步骤301-302具体操作已在图2所示的实施例中步骤201-202进行了详细的介绍，在此不再赘述。
步骤303，对第t-1帧图像和第t+1帧图像的深层特征进行空间下采样。
在本实施例中，视频插帧方法的执行主体可以对第t-1帧图像和第t+1帧图像的深层特征进行空间下采样。对图像的深层特征进行下采样，能够降低特征的维度，从而降低计算复杂度。
步骤304，将第t-1帧图像和第t+1帧图像的深层特征输入至预先训练的目标时刻光流网络，得到正向光流信息和反向光流信息。
在本实施例中，上述执行主体可以将第t-1帧图像和第t+1帧图像的深层特征输入至预先训练的目标时刻光流网络，得到正向光流信息和反向光流信息。利用轻量级神经网络估计正向光流信息和反向光流信息，准确度更高，效率更高。其中，目标时刻光流网络可以是利用训练样本集对神经网络进行训练得到的。这里的训练样本集中的训练样本可以包括相邻样本图像的深层特征和对应的光流信息。
在本实施例的一些可选的实现方式中，光流是线性运动的。目标时刻光流网络可以仅估计出一个方向的光流信息，另外一个方向的光流信息可以基于线性运动假设得到，从而降低目标时刻光流网络的计算量。例如，上述执行主体可以首先基于第t-1帧图像和第t+1帧图像的深层特征进行目标时刻光流估计，得到正向光流信息；然后根据正向光流信息进行线性运动假设，得到反向光流信息。
步骤305，将第t-1帧图像和第t+1帧图像的深层特征输入至预先训练的目标时刻光流-教练网络，得到从t-1时刻到t时刻的光流蒸馏监督信息。
在本实施例中，上述执行主体可以将第t-1帧图像和第t+1帧图像的深层特征输入至预先训练的目标时刻光流-教练网络，得到从t-1时刻到t时刻的光流蒸馏监督信息。其中，目标时刻光流-教练网络可以是预先训练好的复杂模型。目标时刻光流-教练网络输出的光流蒸馏监督信息可以作为监督信号去训练目标时刻光流网络。
步骤306，利用光流蒸馏监督信息对目标时刻光流网络进行蒸馏学习。
在本实施例中，上述执行主体可以利用光流蒸馏监督信息对目标时刻光流网络进行蒸馏学习。
其中，知识蒸馏技术采用迁移学习，通过采用预先训练好的复杂模型的输出作为监督信号去训练另外一个简单模型，将复杂模型的性能迁移到简单模型上。这里，简单模型可以是目标时刻光流网络，复杂模型可以是目标时刻光流-教练网络。目标时刻光流-教练网络通常具有非常好的性能和泛化能力，可以用来作为一个软目标来指导目标时刻光流网络来学习。使得更加简单、参数运算量更少的目标时刻光流网络也能够具有和目标时刻光流-教练网络相近的性能，在一定程度上提升目标时刻光流网络的精度。
步骤307，将正向光流信息、反向光流信息，以及第t-1帧图像和第t+1帧图像的深层特征输入至预先训练的光流映射网络，得到t时刻的深层特征。
在本实施例中，上述执行主体可以将正向光流信息、反向光流信息，以及第t-1帧图像和第t+1帧图像的深层特征输入至预先训练的光流映射网络，得到t时刻的深层特征。利用轻量级神经网络映射出t时刻的深层特征，准确度更高，效率更高。其中，光流映射网络可以是利用训练样本集对神经网络进行训练得到的。这里的训练样本集中的训练样本可以包括相邻样本图像的正向光流信息、反向光流信息、深层特征和能够插入到相邻样本图像之间的图像的深层特征。
步骤308，将t时刻的深层特征输入至预先训练的帧生成网络，得到第t帧图像，并插入第t-1帧图像和第t+1帧图像之间。
在本实施例中，上述执行主体可以将t时刻的深层特征输入至预先训练的帧生成网络，得到第t帧图像，并插入第t-1帧图像和第t+1帧图像之间。利用轻量级神经网络生成插帧，准确度更高，效率更高。其中，生成网络可以是利用训练样本集对反卷积神经网络进行训练得到的。这里的训练样本集中的训练样本可以包括样本深层特征和对应的样本图像。
从图3中可以看出，与图2对应的实施例相比，本实施例中的视频插帧方法增加了对目标时刻光流网络蒸馏学习的步骤。由此，本实施例描述的方案一种基于知识蒸馏与目标时刻光流直接估计的视频插帧技术，由预先训练好的目标时刻光流-教练网络基于第t-1帧图像和第t+1帧图像的深层特征产生准确的t时刻的光流信息，作为监督信号去训练目标时刻光流网络，将目标时刻光流-教练网络的性能迁移到目标时刻光流网络上。使得更加简单、参数运算量更少的目标时刻光流网络也能够具有和目标时刻光流-教练网络相近的性能，在一定程度上提升目标时刻光流网络的精度。
继续参考图4，图4是视频插帧方法的实现框图。如图4所示，首先将目标视频中的两个相邻帧图像，即第t-1帧图像和第t+1帧图像，分别输入至特征提取网络，得到第t-1帧图像的深层特征和第t+1帧图像的深层特征。之后将第t-1帧图像的深层特征和第t+1帧图深层特征输入至目标时刻光流网络，得到从t-1时刻到t时刻的正向光流信息和从t+1时刻到t时刻的反向光流信息。而后将第t-1帧图像和第t+1帧图像的深层特征输入至目标时刻光流-教练网络，得到从t-1时刻到t时刻的光流蒸馏监督信息，并利用光流蒸馏监督信息对目标时刻光流网络进行蒸馏学习。然后将正向光流信息、反向光流信息，以及第t-1帧图像和第t+1帧图像的深层特征输入至光流映射网络，得到t时刻的深层特征t_backward和深层特征t_forward。最后将t时刻的深层特征输入帧生成网络，得到第t帧图像，并插入第t-1帧图像和第t+1帧图像之间。其中，真实的第t帧图像可以用于监督生成第t帧图像。
进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种视频插帧装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图5所示，本实施例的视频插帧装置500可以包括：获取模块501、抽取模块502、估计模块503、映射模块504和插帧模块505。其中，获取模块501，被配置成获取目标视频中的第t-1帧图像和第t+1帧图像，其中，t为正整数；抽取模块502，被配置成分别抽取第t-1帧图像和第t+1帧图像的深层特征；估计模块503，被配置成基于第t-1帧图像和第t+1帧图像的深层特征，估计从t-1时刻到t时刻的正向光流信息和从t+1时刻到t时刻的反向光流信息；映射模块504，被配置成基于正向光流信息和反向光流信息，将第t-1帧图像和第t+1帧图像的深层特征映射得到t时刻的深层特征；插帧模块505，被配置成基于t时刻的深层特征，生成第t帧图像，并插入第t-1帧图像和第t+1帧图像之间。
在本实施例中，视频插帧装置500中：获取模块501、抽取模块502、估计模块503、映射模块504和插帧模块505的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201-205的相关说明，在此不再赘述。
在本实施例的一些可选的实现方式中，视频插帧装置500还包括：采样模块，被配置成对第t-1帧图像和第t+1帧图像的深层特征进行空间下采样。
在本实施例的一些可选的实现方式中，估计模块503包括：估计子模块，被配置成将第t-1帧图像和第t+1帧图像的深层特征输入至预先训练的目标时刻光流网络，得到正向光流信息和反向光流信息。
在本实施例的一些可选的实现方式中，估计子模块进一步被配置成：基于第t-1帧图像和第t+1帧图像的深层特征进行目标时刻光流估计，得到正向光流信息；根据正向光流信息进行线性运动假设，得到反向光流信息。
在本实施例的一些可选的实现方式中，映射模块504进一步被配置成：将正向光流信息、反向光流信息，以及第t-1帧图像和第t+1帧图像的深层特征输入至预先训练的光流映射网络，得到t时刻的深层特征。
在本实施例的一些可选的实现方式中，插帧模块505进一步被配置成：将t时刻的深层特征输入至预先训练的帧生成网络，得到第t帧图像。
在本实施例的一些可选的实现方式中，视频插帧装置500还包括：教练模块，被配置成将第t-1帧图像和第t+1帧图像的深层特征输入至预先训练的目标时刻光流-教练网络，得到从t-1时刻到t时刻的光流蒸馏监督信息；蒸馏模块，被配置成利用光流蒸馏监督信息对目标时刻光流网络进行蒸馏学习。
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6示出了可以用来实施本公开的实施例的示例电子设备600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/或者要求的本公开的实现。
如图6所示，设备600包括计算单元601，其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序，来执行各种适当的动作和处理。在RAM 603中，还可存储设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
设备600中的多个部件连接至I/O接口605，包括：输入单元606，例如键盘、鼠标等；输出单元607，例如各种类型的显示器、扬声器等；存储单元608，例如磁盘、光盘等；以及通信单元609，例如网卡、调制解调器、无线通信收发机等。通信单元609允许设备600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601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601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601执行上文所描述的各个方法和处理，例如视频插帧方法。例如，在一些实施例中，视频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608。在一些实施例中，计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到设备600上。当计算机程序加载到RAM 603并由计算单元601执行时，可以执行上文描述的视频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601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。
用于实施本公开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。
在本公开的上下文中，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。
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。
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，本发公开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，只要能够实现本公开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，并不构成对本公开保护范围的限制。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。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。
Claims (12)
1.一种视频插帧方法，包括：
获取目标视频中的第t-1帧图像和第t+1帧图像，其中，t为正整数；
分别抽取所述第t-1帧图像和所述第t+1帧图像的深层特征；
基于所述第t-1帧图像和所述第t+1帧图像的深层特征，估计从t-1时刻到t时刻的正向光流信息和从t+1时刻到t时刻的反向光流信息；
基于所述正向光流信息和所述反向光流信息，将所述第t-1帧图像和所述第t+1帧图像的深层特征映射得到t时刻的深层特征；
基于所述t时刻的深层特征，生成第t帧图像，并插入所述第t-1帧图像和所述第t+1帧图像之间；
其中，所述基于所述第t-1帧图像和所述第t+1帧图像的深层特征，估计从t-1时刻到t时刻的正向光流信息和从t+1时刻到t时刻的反向光流信息，包括：
将所述第t-1帧图像和所述第t+1帧图像的深层特征输入至预先训练的目标时刻光流-教练网络，得到从t-1时刻到t时刻的光流蒸馏监督信息；
利用所述光流蒸馏监督信息对目标时刻光流网络进行蒸馏学习，其中，所述目标时刻光流-教练网络的复杂度高于所述目标时刻光流网络；
将所述第t-1帧图像和所述第t+1帧图像的深层特征输入至所述目标时刻光流网络，得到所述正向光流信息和所述反向光流信息。
2.根据权利要求1所述的方法，其中，在所述分别抽取所述第t-1帧图像和所述第t+1帧图像的深层特征之后，还包括：
对所述第t-1帧图像和所述第t+1帧图像的深层特征进行空间下采样。
3.根据权利要求1所述的方法，其中，所述将所述第t-1帧图像和所述第t+1帧图像的深层特征输入至预先训练的目标时刻光流网络，得到所述正向光流信息和所述反向光流信息，包括：
基于所述第t-1帧图像和所述第t+1帧图像的深层特征进行目标时刻光流估计，得到所述正向光流信息；
根据所述正向光流信息进行线性运动假设，得到所述反向光流信息。
4.根据权利要求1所述的方法，其中，所述基于所述正向光流信息和所述反向光流信息，将所述第t-1帧图像和所述第t+1帧图像的深层特征映射得到t时刻的深层特征，包括：
将所述正向光流信息、所述反向光流信息，以及所述第t-1帧图像和所述第t+1帧图像的深层特征输入至预先训练的光流映射网络，得到所述t时刻的深层特征。
5.根据权利要求1所述的方法，其中，所述基于所述t时刻的深层特征，生成第t帧图像，包括：
将所述t时刻的深层特征输入至预先训练的帧生成网络，得到第t帧图像。
6.一种视频插帧装置，包括：
获取模块，被配置成获取目标视频中的第t-1帧图像和第t+1帧图像，其中，t为正整数；
抽取模块，被配置成分别抽取所述第t-1帧图像和所述第t+1帧图像的深层特征；
估计模块，被配置成基于所述第t-1帧图像和所述第t+1帧图像的深层特征，估计从t-1时刻到t时刻的正向光流信息和从t+1时刻到t时刻的反向光流信息；
映射模块，被配置成基于所述正向光流信息和所述反向光流信息，将所述第t-1帧图像和所述第t+1帧图像的深层特征映射得到t时刻的深层特征；
插帧模块，被配置成基于所述t时刻的深层特征，生成第t帧图像，并插入所述第t-1帧图像和所述第t+1帧图像之间；
其中，所述估计模块包括：
教练子模块，被配置成将所述第t-1帧图像和所述第t+1帧图像的深层特征输入至预先训练的目标时刻光流-教练网络，得到从t-1时刻到t时刻的光流蒸馏监督信息；
蒸馏子模块，被配置成利用所述光流蒸馏监督信息对所述目标时刻光流网络进行蒸馏学习，其中，所述目标时刻光流-教练网络的复杂度高于所述目标时刻光流网络；
估计子模块，被配置成将所述第t-1帧图像和所述第t+1帧图像的深层特征输入至预先训练的目标时刻光流网络，得到所述正向光流信息和所述反向光流信息。
7.根据权利要求6所述的装置，其中，所述装置还包括：
采样模块，被配置成对所述第t-1帧图像和所述第t+1帧图像的深层特征进行空间下采样。
8.根据权利要求6所述的装置，其中，所述估计子模块进一步被配置成：
基于所述第t-1帧图像和所述第t+1帧图像的深层特征进行目标时刻光流估计，得到所述正向光流信息；
根据所述正向光流信息进行线性运动假设，得到所述反向光流信息。
9.根据权利要求6所述的装置，其中，所述映射模块进一步被配置成：
将所述正向光流信息、所述反向光流信息，以及所述第t-1帧图像和所述第t+1帧图像的深层特征输入至预先训练的光流映射网络，得到所述t时刻的深层特征。
10.根据权利要求6所述的装置，其中，所述插帧模块进一步被配置成：
将所述t时刻的深层特征输入至预先训练的帧生成网络，得到第t帧图像。
11.一种电子设备，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1-5中任一项所述的方法。
12.一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权利要求1-5中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110204129.4A CN112929689B (zh) | 2021-02-24 | 2021-02-24 | 视频插帧方法、装置、设备以及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110204129.4A CN112929689B (zh) | 2021-02-24 | 2021-02-24 | 视频插帧方法、装置、设备以及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112929689A CN112929689A (zh) | 2021-06-08 |
| CN112929689B true CN112929689B (zh) | 2023-04-07 |
Family
ID=76170634
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110204129.4A Active CN112929689B (zh) | 2021-02-24 | 2021-02-24 | 视频插帧方法、装置、设备以及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112929689B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113747242B (zh) * | 2021-09-06 | 2023-03-24 | 海宁奕斯伟集成电路设计有限公司 | 图像处理方法、装置、电子设备及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109068174A (zh) * | 2018-09-12 | 2018-12-21 | 上海交通大学 | 基于循环卷积神经网络的视频帧率上变换方法及系统 |
| 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 |
| CN110392282A (zh) * | 2018-04-18 | 2019-10-29 | 优酷网络技术（北京）有限公司 | 一种视频插帧的方法、计算机存储介质及服务器 |
| WO2020150264A1 (en) * | 2019-01-15 | 2020-07-23 | Portland State University | Feature pyramid warping for video frame interpolation |
| 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 |
-
2021
- 2021-02-24 CN CN202110204129.4A patent/CN112929689B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110392282A (zh) * | 2018-04-18 | 2019-10-29 | 优酷网络技术（北京）有限公司 | 一种视频插帧的方法、计算机存储介质及服务器 |
| CN109068174A (zh) * | 2018-09-12 | 2018-12-21 | 上海交通大学 | 基于循环卷积神经网络的视频帧率上变换方法及系统 |
| WO2020150264A1 (en) * | 2019-01-15 | 2020-07-23 | Portland State University | Feature pyramid warping for video frame interpolation |
| 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 |
| 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 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112929689A (zh) | 2021-06-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113014937B (zh) | 视频插帧方法、装置、设备以及存储介质 | |
| CN112929695B (zh) | 视频去重方法、装置、电子设备和存储介质 | |
| CN114693934B (zh) | 语义分割模型的训练方法、视频语义分割方法及装置 | |
| CN113538235B (zh) | 图像处理模型的训练方法、装置、电子设备及存储介质 | |
| WO2020093724A1 (zh) | 生成信息的方法和装置 | |
| EP3952312A1 (en) | Method and apparatus for video frame interpolation, and device and storage medium | |
| CN112584077A (zh) | 视频的插帧方法、装置及电子设备 | |
| CN113627536B (zh) | 模型训练、视频分类方法，装置，设备以及存储介质 | |
| CN113365146B (zh) | 用于处理视频的方法、装置、设备、介质和产品 | |
| CN113888410A (zh) | 图像超分辨率方法、装置、设备、存储介质以及程序产品 | |
| CN112929689B (zh) | 视频插帧方法、装置、设备以及存储介质 | |
| CN113014922B (zh) | 模型训练、视频编码方法，装置，设备以及存储介质 | |
| CN113052962B (zh) | 模型训练、信息输出方法，装置，设备以及存储介质 | |
| CN114020950A (zh) | 图像检索模型的训练方法、装置、设备以及存储介质 | |
| CN113554550B (zh) | 图像处理模型的训练方法、装置、电子设备及存储介质 | |
| CN113963176B (zh) | 一种模型蒸馏方法、装置、电子设备及存储介质 | |
| US11681920B2 (en) | Method and apparatus for compressing deep learning model | |
| CN114943995A (zh) | 人脸识别模型的训练方法、人脸识别方法及装置 | |
| CN114078097A (zh) | 图像去雾模型的获取方法、装置和电子设备 | |
| CN113792876A (zh) | 骨干网络的生成方法、装置、设备以及存储介质 | |
| CN114529649A (zh) | 图像处理方法和装置 | |
| CN114266937A (zh) | 模型训练、图像处理方法，装置，设备以及存储介质 | |
| CN115294396B (zh) | 骨干网络的训练方法以及图像分类方法 | |
| CN114359905B (zh) | 一种文本识别方法、装置、电子设备及存储介质 | |
| CN115631103B (zh) | 图像生成模型的训练方法和装置、图像生成方法及装置 |
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 |