介绍 最近，数字和模拟技术开始加速融合。我们生活在一个人工智能技术能够显著提高质量的时代，只要模拟材料能够数字化。 例如，讨论中涉及到的纸艺软件，纸龙的移动模型被时间锁定，以大约 3 fps（每秒帧数）的速度创建视频。然而，无论连续拍摄多么细致，视频看起来都很不流畅。不过，利用不断发展的人工智能技术 RIFE（实时中间流估计），现在可以将这种 3 帧/秒的视频转换（插值）为甚至 24 帧/秒的

关注一下实时视频插帧算法 论文地址：https://arxiv.org/pdf/2011.06294.pdf Github地址：https://github.com/hzwer/arXiv2020-RIFE Abstract: 我们为视频帧插值（VFI）提出了一种实时中间流估计算法RIFE (Real-Time Intermediate Flow Estimation）。 现有的大多

首先附上各位大佬的github 地址链接，请多多支持各位开源大佬的工作(动动小手，star一下)： 1. rife插帧算法原地址(pytorch实现)，作者特别优秀！兼顾了时间和性能的一个插帧算法，尤其是对于分辨率比较低的图像进行插帧，效果一级棒： https://github.com/megvii-research/ECCV2022-RIFE 2. rife插帧算法的ncn