可跟踪水和烟雾，跨帧一致性更强 _图象

大家好,今天小编来为大家解答以下的问题，关于可跟踪水和烟雾，跨帧一致性更强这个很多人还不知道，现在让我们一起来看看吧！
CoDeF是英文“the content deformation field”的缩写，即作者在此提出了一种叫做内容形变场的新方法，来用于视频风格迁移任务。

文章插图
比起静态的图象风格迁移，这类任务的复杂点在于时间序列上的一致性和流畅度。
比如处理水、烟雾这类元素，两帧画面之间的一致性非常重要。
在此，作者“灵机一动”，提出用图片算法来直接解决视频任务。
他们只在一张图象上部署算法，再将图象-图象的转换，提升为视频-视频的转换，将关键点检测提升为关键点跟踪，而且不需要任何训练。
这样一来，相较于传统方法，能够实现更好的跨帧一致性，乃至跟踪非刚性物体。
【可跟踪水和烟雾，跨帧一致性更强】具体而言，CoDeF将输入视频分解为2D内容规范场：
“套上”分割一切算法SAM，我们就可以轻松做到视频的对象跟踪，完成动态的分割任务：
“套上”Real-ESRGAN，则给视频做超分也是信手拈来……
全部过程非常轻松，不需要对待操作视频进行任何调整或处理。
不但能处理，还能保证效果，即良好的时间一致性和合成质量。
以下图所示，相比去年诞生的Layered neural atlas算法，CoDeF能够显现非常忠于原视频的细节，既没有变形也无破坏。
而在根据文本提示修改视频风格的任务对照中，CoDeF全部表现突出，不但最匹配所给要求，也有着更高的完成度。
跨帧一致性则以下图所示：
关于“可跟踪水和烟雾，跨帧一致性更强”的内容，小编就分享到这里了，大家还有哪些需要补充的呢？无妨在评论区留言分享，让更多的朋友受益！您的每一个留言，和每一个赞，都是我前进的动力！喜欢的话记得收藏、分享给身旁的朋友。