要制作慢动作视频就必须要用死贵的高速摄像机？NO!可以用AI。看到没，这就是AI完成的效果！虽然和真正的高速摄像机至少上千的帧数没法比，但它完全可以做到每秒53帧的视频轻轻松松变成960帧，没有伪影也没有噪声。很多网友看完效果都按耐不住了：“非常想要一个深入的教程”、“能不能出一个应用程序？”……而这项酷毙的研究成果也成功入选CVPR2021，研究人员来自华为苏黎世研究中心和苏黎世大学。当然，也用了一个特殊的摄像头实现这一效果没有采用通过视频光流来猜测粒子运动的经典思想，而是先用了两个摄像头来捕捉画面。一个就是普通摄像头，记录低帧（20-60FPS）真实画面；要想达到慢动作效果，起码得每秒300张画面才够；20帧的视频给的信息太少了，没法直接合成慢动作。怎么办？靠另一个特殊的摄像头——也就是事件相机（也称为神经形态相机），它使用新型的传感器，拍摄的是“事件”，也就是记录像素亮度变化。事件相机还比较新兴，实验室里有很多，市场上还没有大规模问世，报价有2000美元一个或更高。由于该相机记录的信息经过压缩表示，因此可以较低的清晰度、高速率进行拍摄，也就是牺牲图像质量换取更多图像信息。最终的信息量足够AI理解粒子的运动，方便后续插值。▲问号部分即为我们要的插帧这俩相机同步拍摄到的内容合起来就是这样的：拍好以后，就可以使用机器学习来最大化地利用这两种相机的信息进行插帧了。研究人员在这里提出的AI模型叫做TimeLens，一共分为四块。首先，将俩相机拍到的帧信息和事件信息发送到前两个模块：基于变形（warp）的插值模块和合成插值模块。基于变形的插值模块利用U形网络将运动转换为光流表示，然后将事件转换成真实的帧。合成插值模块也是利用U形网络将事件置于两个帧之间，并直接为每个事件生成一个新的可能帧（现在就为同一事件生成两个帧了）。该模块可以很好地处理帧之间出现的新对象以及光线变化（比如水反射啥的）。不过到这里的话，合成的视频可能会有一个问题：出现噪声。这时，第三个模块的作用就派上用场了，它使用第二个插值合成模块中的新信息来细化第一个模块。也就是提取同一事件的两个生成帧中最有价值的信息，进行变形优化——再次使用U-net网络生成事件的第三个帧版本。最后，这三个候选帧被输入到一个基于注意力的平均模块。该模块采用三帧表示中最好的部分将它们组成最终帧。现在，有了帧之间第一个事件的高清帧后，再对事件相机提供的所有事件重复此过程，就能生成最终我们想要的结果了。这就是使用AI创建逼真的慢动作视频的方法。怎么样？附一个摄像机的参数图：取得了智能手机和其他模型无法达到的效果你说这个AI模型的效果好，那得对比一下才知道。比如上面这个与最优秀的插值模型之一的DAIN（入选CVPR19）的对比，谁好谁坏效果就很明显了。而且它的插值方法的计算复杂度也是最优的：图像分辨率为640×480，在研究人员的GPU上进行单个插值时，DAIN模型需要878毫秒，该AI则只需要138毫秒。另外，虽然不建议，用该模型输入的视频即使只有5帧，也可以生成慢动作。和其他模型的对比实验数据，大家感兴趣的可以查看论文。最后，作者在介绍成果的视频里也再次说道，不和昂贵的专业设备相比，该模型至少取得了智能手机和其他模型无法达到的效果。作者介绍一作StepanTulyakov，华为苏黎世研究中心机器学习研究员。共同一作DanielGehrig，苏黎世大学博士生。苏黎世联邦理工大学机械工程硕士。论文地址：开源地址：
风险声明：本文用于提供财经信息与知识参考，不构成投资建议、交易邀请或收益保证。历史稿件中的数据与规则可能已发生变化，请结合发布日期并以权威机构最新资料为准。