MMEditing 是面向底层视觉任务的工具包,属于 OpenMMLab 开源算法体系。近期,我们在 MMEditing 中拓展了一个新的方向:视频插帧。本文将简要介绍视频插帧的技术原理,并带大家使用 MMEditing 实现一个视频插帧的 Demo。
难度:入门
高清与流畅缺一不可✦
经过社区开发者的不懈努力,MMEditing 已经支持了大量先进的超分辨率模型,可以将视频和图像从低分辨率无损放大到高分辨率,解决了观众对超清画质的追求与经典电影欠佳的画质之间的矛盾。
然而这还不够,影响观看体验的不仅仅是画质,还有流畅度,否则...
技术层面上,画质对应分辨率,而流畅度则对应帧率。
视频是连续播放的图像序列,帧率则表示图像序列的播放速度。帧率通常以 FPS(Frames per second),即每秒帧数为单位,帧率越高,视频的流畅度越高,观感体验越好。在知乎上,相关的讨论也层出不穷。
现如今,主流视频平台上 30 FPS、60 FPS 的视频随处可见,部分平台已支持 120 FPS 的视频。但受限于早期摄影技术以及互联网有限传输带宽,许多经典影视作品只有 24 FPS 甚至 15 FPS 的帧率,让我们在回味经典时不免有些小遗憾。而视频插帧技术可以提高低帧率视频的流畅度,让经典重现精彩。
什么是视频插帧✦
视频插帧旨在提高视频的帧率和流畅度,让视频看起来更加“丝滑”。
提升帧率似乎并不困难,只需要在相邻的视频帧之间插入一个新的视频帧,视频的帧率就可以提高一倍。但问题是,这一帧图像的内容应该是什么样的?
假设当前帧为 ,下一帧为 ,中间帧为 ,三者均为 的三维数组。
我们可以令 或 ,但这样只是形式上提高了帧率,视频流畅度没有得到改善。
我们也可以令 ,其中 ,即通过像素加权平均产生模糊的中间帧,从而起到一定的过渡效果。但这种方法会降低单帧图像的质量,产生虚影。如下图所示,第1、5、8帧是清晰的,而其余中间帧都包含虚影。
而最优方案,则是根据视频中物体运动状态,估计出一个清晰的中间帧,如下图所示。但这个方法有一定难度,因为这个理想的中间帧并不存在于原视频中,也不能通过简单的像素平均从相邻帧获得。因此,视频插帧与图像超分辨率类似,都需要解决“无中生有”的问题。
图片出处
https://chrome.google.com/webstore/category/extensions?hl=zh
在深度学习出现之前,视频插帧的主流技术大多基于光流。简单来说,我们通过光流估计算法,得到当前帧 和下一帧 之间的运动矢量场 ,再通过图像扭曲(Image wrapping)技术,用一半矢量场 对图像 做扭曲,就可以得到中间帧 ,如下示意图所示:
这种方法依赖光流的估计,而传统的光流估计算法通常速度较慢,精度也较低。
深度学习时代的视频插帧✦
随着深度学习技术的出现,光流估计、视频插帧技术也得到了发展。目前,基于深度学习的视频插帧算法可分为以下几类:
- 基于流的算法,包括光流、路径选择、运动补偿
- 基于 CNN 的算法,包括一般 CNN 算法、基于核的算法、基于 GAN 的算法
- 基于相位的算法
- 复合多种方案的算法
各类算法各有优劣,目前 MMEditing 已支持的 CAIN 算法属于基于 CNN 的算法,下面的视频就是使用 MMEditing 支持的 CAIN 算法进行两次插帧,将帧率从 24 FPS 提高到 96 FPS 的效果。为了凸显差异,我们将视频慢放,可明显看出视频插帧的效果。
原文链接:https://mp.weixin.qq.com/s/ZyzmU9yVaUDtSaGqJL9_zQ
Demo 实现✦
目前 MMEditing 已支持 CAIN 算法,接下来将详细介绍其调用方法。
安装 MMEditing
准备环境:
- Linux / Windows / macOS
- 如需使用 NVIDIA GPU 请确保驱动版本不低于 418
a. 创建 Python 环境
我们推荐使用 Conda 创建 Python 环境,以 Python 3.8 为例:
conda create -n mmedit python=3.8 -y conda activate mmedit
b. 安装 PyTorch 和 MMCV
MMEditing 基于 PyTorch 和 MMCV,支持 PyTorch 1.5 以上的所有版本,此处以 PyTorch 1.7 为例。
例:安装 CUDA 版本的 PyTorch 和 MMCV
conda install pytorch==1.7.1 torchvision cudatoolkit=10.1 -c pytorch pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/cu101/torch1.7/index.html "opencv-python<=4.5.4.60"
例:安装 CPU 版本的 PyTorch 和 MMCV
conda install pytorch==1.7.1 torchvision cudatoolkit=10.1 -c pytorch pip install mmcv-full -f https://download.openmmlab.com/mmcv/dist/cu101/torch1.7/index.html "opencv-python<=4.5.4.60"
您可以根据需要调整 PyTorch 的版本,但需要根据 PyTorch 的版本调整 MMCV 的下载路径,具体请参考安装 MMCV — mmcv 1.4.5 文档
针对 macOS 平台,您需要从源码编译 MMCV,详见从源码编译 MMCV — mmcv 1.4.5 文档
安装 MMCV — mmcv 1.4.5 文档 网址:
https://mmcv.readthedocs.io/zh_CN/latest/get_started/installation.html
从源码编译 MMCV — mmcv 1.4.5 文档 网址:
https://mmcv.readthedocs.io/zh_CN/latest/get_started/build.html#linux-macos-mmcv
c. 克隆 MMEditing 代码仓库
git clone https://github.com/open-mmlab/mmediting.git cd mmediting
d. 安装 MMEditing
使用 pip 安装相关依赖,并从源码安装 MMEditing。
pip install -r requirements.txt pip install -v -e . # or "python setup.py develop"
e. 验证安装
安装完成后,可以切换到 /home 目录,并尝试在 python 中导入 mmedit,导入成功则证明安装成功。
$ cd ~ $ python >>> import mmedit >>> mmedit.__version__ '0.12.0'
调用插帧顺序
我们提供了一个插帧的小 demo 方便大家测试视频插帧的效果,调用命令如下:
python demo/video_interpolation_demo.py \ configs/video_interpolators/cain/cain_b5_320k_vimeo-triplet.py \ https://download.openmmlab.com/mmediting/video_interpolators/cain/cain_b5_320k_vimeo-triple_20220117-647f3de2.pth \ ${INPUT_PATH} \ ${OUTPUT_PATH} \ [--fps_multiplier ${FPS_MULTIPLIER}] \ [--fps ${FPS}]
其中,INPUT_PATH 是输入视频的路径,OUTPUT_PATH 是输出视频的路径。路径可以是一个视频文件路径,也可以是包含若干图像的文件夹(图像排列需要有序)。
输出视频的帧率(FPS)可由 --fps 参数指定,例如:
python demo/video_interpolation_demo.py \ configs/video_interpolators/cain/cain_b5_320k_vimeo-triplet.py \ https://download.openmmlab.com/mmediting/video_interpolators/cain/cain_b5_320k_vimeo-triple_20220117-647f3de2.pth \ input.mp4 \ output.mp4 \ --fps 60
也可根据 --fps_multiplier 在输入视频帧率的基础上倍增(前提是 INPUT_PATH 为视频文件路径)
python demo/video_interpolation_demo.py \ configs/video_interpolators/cain/cain_b5_320k_vimeo-triplet.py \ https://download.openmmlab.com/mmediting/video_interpolators/cain/cain_b5_320k_vimeo-triple_20220117-647f3de2.pth \ input.mp4 \ output.mp4 \ --fps_multiplier 2.0
可使用重复调用插帧程序,以获得更高帧率的视频:
- 处理 1 次,帧率 x2
- 处理 2 次,帧率 x4
- ……
视频后处理
下面这段代码可以将两个视频左右拼接,并放慢速度,得到文章开头的对比视频。代码行数虽然较多,但逻辑并不复杂,仅调用 MMCV 和 OpenCV 视频相关的功能,限于篇幅我们这里就不详细介绍啦。
import cv2 import mmcv import numpy as np def vfi_cain_demo(ori_path, vfi_path, result_path, slow=1.0): """Compare ori video and interpolated video. Args: ori_path (str): Path of original video. vfi_path (str): Path of interpolated video. result_path (str): Path of the result video. slow (float): Slow factor. """ print(f'load the original videos: {vfi_path}') ori_reader = mmcv.VideoReader(ori_path) ori_fps = ori_reader.fps ori_images = [] for img in ori_reader: ori_images.append(img) print(f'load the interpolated video: {vfi_path}') vfi_reader = mmcv.VideoReader(vfi_path) vfi_fps = vfi_reader.fps vfi_images = [] for img in vfi_reader: vfi_images.append(img) print(f'merge videos and save to {result_path}') h, w = vfi_images[0].shape[:2] rate = round(len(vfi_images) / len(ori_images)) fourcc = cv2.VideoWriter_fourcc(*'mp4v') video_writer = cv2.VideoWriter(result_path, fourcc, vfi_fps/slow, (w, h)) for i in range(len(vfi_images)): image = np.zeros_like(vfi_images[i]) print(i, rate, i//rate) image[:, :w//2] = ori_images[i//rate][:, :w//2] image[:, w//2:] = vfi_images[i][:, w//2:] image[:, w//2:w//2+1] = 0 video_writer.write(image) cv2.destroyAllWindows()
拷贝并调用以上函数即可获得对比视频。
例如,使用插帧程序处理 3 次,获得 8 倍帧率的视频,再进行后处理(4 倍慢放)后可得以下视频: