Skip to content

Latest commit

 

History

History
54 lines (40 loc) · 2.18 KB

video_frame_cn.md

File metadata and controls

54 lines (40 loc) · 2.18 KB

视频补帧

针对老视频的流畅度提升，PaddleGAN提供了DAIN模型接口。

DAIN

DAIN模型通过探索深度的信息来显式检测遮挡。并且开发了一个深度感知的流投影层来合成中间流。在视频补帧方面有较好的效果。

ppgan.apps.DAINPredictor(
                        output='output',
                        weight_path=None,
                        time_step=None,
                        use_gpu=True,
                        remove_duplicates=False)

参数

  • output (str，可选的): 输出的文件夹路径，默认值：output.
  • weight_path (None，可选的): 载入的权重路径，如果没有设置，则从云端下载默认的权重到本地。默认值：None。
  • time_step (int): 补帧的时间系数，如果设置为0.5，则原先为每秒30帧的视频，补帧后变为每秒60帧。
  • remove_duplicates (bool，可选的): 是否删除重复帧，默认值：False.

使用方式

1. API预测

除了定义输入视频路径外，此接口还需定义time_step，同时，目前API预测方式只支持在静态图下运行，需加上启动静态图命令，后续会支持动态图，敬请期待~

paddle.enable_static()

from ppgan.apps import DAINPredictor
dain = DAINPredictor(output='output', time_step=0.5)
# 测试一个视频文件
dain.run("/home/aistudio/Peking_input360p_clip6_5s.mp4",)
paddle.disable_static()

paddle.disable_static()

2. 命令行预测

!python applications/tools/video-enhance.py --input /home/aistudio/Peking_input360p_clip6_5s.mp4 \ #原视频路径
                               --process_order DAIN \
                               --output output_dir #成品视频所在的路径

在线项目体验

1. 老北京城影像修复