Super-SloMo

准备环境

该代码库是使用 PyTorch 0.4.1，CUDA 9.2 和 Python 3.6 开发和测试的。

• 对于 GPU，运行

conda install pytorch=0.4.1 cuda92 torchvision==0.2.0 -c pytorch

• 对于 CPU，运行

conda install pytorch-cpu=0.4.1 torchvision-cpu==0.2.0 cpuonly -c pytorch

训练

准备训练数据

为了使用提供的代码训练模型，需要以某种方式格式化数据。create_dataset.py 脚本使用 FFmpeg 从视频中提取帧。

Adobe240fps

对于 adobe240fps，下载数据集，解压缩，然后运行以下命令：

python data\create_dataset.py --ffmpeg_dir path\to\folder\containing\ffmpeg --videos_folder path\to\adobe240fps\videoFolder --dataset_folder path\to\dataset --dataset adobe240fps

自定义数据集

对于自定义数据集，运行以下命令：

python data\create_dataset.py --ffmpeg_dir path\to\folder\containing\ffmpeg --videos_folder path\to\adobe240fps\videoFolder --dataset_folder path\to\dataset

运行

在 Super-SloMo.ipynb 中，设置参数（数据集路径，检查点目录等）并运行所有单元。

TensorBoard

为了获得训练的可视化效果，您可以使用以下命令从项目目录运行 TensorBoard：

tensorboard --logdir log --port 6007

评估

预训练模型

您可以下载 adobe240fps 数据集训练的预训练模型

训练数据转换器

您可以使用 video_to_slomo.py，将任何视频转换为慢动作或高 fps 视频，使用这个命令：

Windows

python video_to_slomo.py --ffmpeg path\to\folder\containing\ffmpeg --video path\to\video.mp4 --sf N --checkpoint path\to\checkpoint.ckpt --fps M --output path\to\output.mkv

Linux

python video_to_slomo.py --video path\to\video.mp4 --sf N --checkpoint path\to\checkpoint.ckpt --fps M --output path\to\output.mkv 

如果要将视频从 30fps 转换为 90fps，请将 fps 设为 90，sf 设为 3.