#视频插帧

ECCV2022-RIFE - 实时视频帧插值算法,支持720p及更高分辨率
RIFE视频插帧中间流估计实时性能ECCV2022Github开源项目
本项目实现了高效的实时中间流估计算法,支持任意时间步的视频帧插值。最新版本对动画场景进行了优化,在2080Ti GPU上可实现30+FPS的2倍720p插值。项目获得ECCV2022认可,适用于高质量视频插值的开发者和应用。
flowframes - 视频插值工具,支持多种AI模型
Flowframes视频插帧RIFE NCNNDAIN NCNNFLAVR PytorchGithub开源项目
Flowframes是一个Windows视频插值工具,兼容RIFE(Pytorch & NCNN)、DAIN(NCNN)和FLAVR(Pytorch)多种AI实现。作为开源捐赠软件,用户可在itch.io免费下载旧版本或通过Patreon获取最新测试版本。无需复杂配置,支持自动下载依赖。配备Nvidia GPU的用户建议使用CUDA实现以优化性能。
UPR-Net - 创新的轻量级视频帧插值网络
视频插帧UPR-Net金字塔递归网络光流估计深度学习Github开源项目
UPR-Net是一种创新的统一金字塔递归网络,用于视频帧插值。该网络采用轻量级递归模块进行双向光流估计和中间帧合成,通过金字塔框架实现迭代细化。尽管参数量仅为1.7M,UPR-Net在多个基准测试中表现出色,特别是在大运动场景下效果显著。项目提供完整的模型训练、测试和评估实现,包括在Vimeo90K、UCF101、SNU-FILM和4K1000FPS等数据集上的评估结果。
Practical-RIFE - 开源视频插帧和增强框架
RIFE视频插帧AI模型深度学习计算机视觉Github开源项目
Practical-RIFE是基于RIFE和SAFA的开源视频处理框架,主要用于视频插帧和增强。该项目为开发者提供多种功能和新模型,支持2倍和4倍插帧,可处理高分辨率视频。最新的v4.22模型在动画场景处理方面有显著提升。此外,Practical-RIFE还包含视频增强功能,能有效提升视频质量。项目提供多种参数选项,适用于不同的视频处理需求。
DynamiCrafter - 将开放域图像转化为动态视频的AI动画工具
DynamiCrafter视频生成AI动画图像动画化视频插帧Github开源项目
DynamiCrafter是一个图像动画化项目,能够基于文本提示将静态图像转换为动态视频。该项目利用预训练的视频扩散模型,生成高分辨率、连贯性强的动画。除了基础的图像动画化功能,DynamiCrafter还支持故事视频生成、帧插值和循环视频生成等应用。该项目在ECCV 2024会议上进行了口头报告,并在多项图像到视频生成基准测试中表现出色。
FLAVR - 创新视频帧插值方法实现快速多帧预测
FLAVR视频插帧深度学习计算机视觉帧率提升Github开源项目
FLAVR是一种新型视频帧插值方法,无需光流估计即可实现快速多帧预测。该方法采用特殊的编码器-解码器架构,结合时空卷积和通道门控,能有效捕捉复杂运动轨迹并生成高质量高帧率视频。相比现有技术,FLAVR在速度和准确性间取得更好平衡,为视频慢动作和帧率提升等应用提供新选择。
Waifu2x-Extension-GUI - 多功能AI图像视频超分辨率和帧率提升工具
Waifu2x-Extension-GUI超分辨率视频插帧AI图像处理GPU加速Github开源项目
Waifu2x-Extension-GUI是一款集成多种AI算法的开源多媒体处理工具,支持图片、GIF和视频的超分辨率放大及帧率提升。可处理2D动漫和实景内容,兼容AMD/Nvidia/Intel GPU加速。软件提供友好界面和灵活设置,支持多GPU并行处理以提高效率。项目持续更新,是图像视频质量提升的有力工具。