Diffusion Models专栏文章汇总：入门与实战
Event-based Video Frame Interpolation with Edge Guided Motion Refinement
视频帧插值，即在连续视频帧之间合成中间帧的过程，随着事件摄像机的使用已经取得了显著的进展。这些传感器具有微秒级的时间分辨率，通过提供精确的运动线索来填补帧之间的信息空白。然而，当代基于事件的视频帧插值(E-VFI)技术往往忽略了这样一个事实，即在多模态特征融合过程中，事件数据主要提供场景边缘的高置信度特征，从而削弱了事件信号在光流(of)估计和翘曲细化中的作用。为了解决这个被忽视的方面，我们引入了一种端到端的E-VFI学习方法(称为EGMR)，以有效地利用事件信号的边缘特征进行运动流和扭曲增强。我们的方法结合了一个边缘引导注意(EGA)模块，该模块基于多模态特征的局部相关性，采用粗到精的策略，通过注意聚合来校正估计的视频运动。此外，考虑到
多模态ide帧插值erpdiffusiongui端到端
