引言

总所周知，视频补帧一直是个大难题，对于电视手机来说有专门的MEMC芯片解决（暂且不提补帧质量），而对于PC来说就没这种选择了。对于PC用户来说多数软件或滤镜插帧效果都聊胜于无，有些专业软件效果不佳还需要收费，对于普通用户来说不太划算。而目前来说效果还可以的AMD fluid motion video，也被AMD在新卡中取消支持了（AMD NO），留给大众可选的插帧方法就更少了。

而近日，基于深度学习的光流法插帧开始流行起来，比如说之前大火的DAIN，还有本文介绍到的RIFE。

关于RIFE，官方是这样介绍的：

We propose RIFE, a Real-time Intermediate Flow Estimation algorithm for Video Frame Interpolation (VFI). Most existing methods first estimate the bi-directional optical flows and then linearly combine them to approximate intermediate flows, leading to artifacts on motion boundaries. RIFE uses a neural network named IFNet that can directly estimate the intermediate flows from images. With the more precise flows and our simplified fusion process, RIFE can improve interpolation quality and have much better speed. Based on our proposed leakage distillation loss, RIFE can be trained in an end-to-end fashion. Experiments demonstrate that our method is significantly faster than existing VFI methods and can achieve state-of-the-art performance on public benchmarks.

总结下来就是相对于之前已有的光流法插帧拥有更快的性能和更好的推算能力。实际在我的RTX 2080上的表现中，确实有近乎于10倍DAIN算法的插帧速度（即使在DAIN中使用FAST MODE），且最重要的一点，对1080P视频插帧仅需3G左右显存，4k仅需7G左右显存。而这一占用量在DAIN中是翻倍的。

虽然但是，在挖矿潮下可能还是有朋友买不到4G显存以上的显卡，因此还是编写了一个RIFE的Colab脚本使用教程，用于替换之前因为依赖包更新而失效的DAIN脚本。

教程

1. 获取RIFE.ipynb保存在自己的Google Drive。

2. 上传需要插帧的视频至Google Drive，注意视频大小和Google Drive的大小，过大可能导致存储空间不够视频无法输出。

3. 右键刚刚保存的脚本，打开方式选择Google Colab，若没有该选择请在关联应用中搜索添加。

4. 在修改→笔记本设置中，硬件加速器选择GPU。

5. 修改配置，修改输入输出文件名称至想要插帧的文件，其他选项可根据自己需求调。将鼠标移至单元格左上角[ ]处会出现按钮，点击运行。

6. 连接至Google Drive，中间会要求授权码，根据要求获取并填入，最后显示已连接至谷歌Drive即完成。

7. Git上获取项目并安装项目，最后显示安装已完成即完成。

8. 分析视频的分辨率和FPS，用于判断是否开启UHD模式

9. 检测GPU，又到了赌脸的时候，不过相对于DAIN来说这一步也就图一乐了，因为最低分配到的T4是可以插帧4K视频的，且不会有兼容性问题

10. 插帧，满怀希望并等待

11. 将视频导出至谷歌Drive，并删除中间产生的文件。需要压制别的视频直接运行5→8→10步骤即可

到这已经可以将生成的视频下来看效果了。

脚本目前只能倍帧，本来是打算做个生成目标帧数功能的，但是有点小问题所以先不加上了。

需要注意的是免费版Colab一次可以运行的最高时长为12小时，也就是说要控制好时间，不然全部木大。

总结，RIFE从效果稳定性和时间上来说都胜过DAIN一筹，如果DAIN不进行算法优化、更新估计是必定被淘汰的产物了。

如果觉得本教程对你有帮助，请不要吝啬转发支持一下谢谢

我是55，有缘下期教程再见。

零成本使用RIFE插帧