插帧补帧DAIN算法，让电影、视频、动漫变丝滑顺畅
连手机都开始用上120帧的显示屏，但是网上大部分的视频居然还是30帧。
视频的帧率已经远远赶不上人民群众的需求了，所以有不少人都在研究如何把普通视频变成高帧率视频。
去年，英伟达开源了Super SloMo，从普通的视频“脑补”出高帧率的画面，从30fps插帧到240fps，即使放慢8倍也不会感到卡顿。
B站针对所有UP主已经首家开放120帧视频特效，而能够拍摄120fps的主流硬件都很昂贵，有没有一种技术手段可以解决这个问题？
最近，来自上海交大的一个新的插帧算法DAIN开源。它比英伟达的算法效果更清晰、帧率更高，可以把30fps的进一步插帧到480fps，这已经超过了很多手机的慢动作录像帧率。
更重要的是，英伟达的Super SloMo只用在了真实拍摄的视频上，而这项研究却可以扩展到常见的任何类型视频：电影、定格动画、动漫卡通等等。
连埼玉老师的披风都变得丝滑流畅了
如果你觉得上面效果还不够明显，可以再看一张。
羽毛的摆动是不是变得更流畅自然了？
再来两张足球运动和舞蹈的插帧对比图
我们可以非常直观的体验出插帧后的丝滑流畅度
可以想象，如果未来把DAIN用于动漫的制作，只要用低帧的动画就可以生成丝滑的效果，或许能大大减少插画师的工作。
平台的用户安装起来也不复杂。
首先确保你的PyTorch版本不低于1.0.0，将项目克隆到本地：
gitclonehttps://github.com/baowenbo/DAIN.git
即使没有任何AI基础的用户也可以使用以下平台来使用这个工具：http://distinctai.net/fps
作者已经提供了预训练模型，我们不必再花费大量精力去训练。
深度加光流，图像更清晰
之前已经有很多给视频插帧的算法，DAIN和它们有什么不同呢？
DAIN的全称是Depth-Aware Video Frame Interpolation，即深度感知视频帧插值。
视频帧插值的目的是在原始帧之间合成不存在的帧。但是由于大的物体运动或遮挡，插帧的质量通常会比较低。
在这篇研究中，研究人员提出了一种通过探索深度信息来检测遮挡的方法。
具体来说，作者开发了一个深度感知光流投影层来合成中间流，中间流对较远的对象进行采样。此外，学习分层功能以从相邻像素收集上下文信息。
上图是DAIN的体系架构：给定两个时刻的输入帧，先估计光流和深度图，然后使用建议的深度感知流投影层生成中间流。
然后，模型基于光流和局部插值内核对输入帧、深度图和上下文特征进行扭曲，合成输出帧。
这种模型紧凑、高效且完全可微分。定量和定性的结果表明，DAIN在各种数据集上均优于最新的帧插值方法。
