视频帧插值（VFI）是当前视频处理中的一种常见方法，广泛用于提高帧速率和增强视觉质量，它支持各种应用，例如慢动作合成、视频压缩和用于动态视频去模糊的训练数据生成。此外，在实时速度下，高分辨率视频（如 720p、1080p）上，视频帧插值算法还有许多潜在的应用。由于现实世界中存在复杂、大量的非线性运动和光照变化，因此视频帧插值方面还有一些挑战性问题存在。基于流的视频帧插值算法最近提供了解决这些挑战的框架，并且取得了出色的结果。根据如何 warp 输入帧，基于流的视频帧插值算法可以分为前向 warp 和后向 warp 方法，但这些方法基本上都有过于复杂沉重和缺少对近似中间流的直接监督等缺点。大多数现有方法首先估算双向光流，然后将它们线性组合成近似中间流，从而会导致运动边界周围出现伪影。在一篇论文中，旷视科技和北京大学的研究者为视频帧插值（VFI）提出了一种实时中间流估计算法（real-time intermediate flow estimation, RIFE）。研究者设计了一个名为 IFNet 的中间流模型，该模型可以直接估计从多到少的中间流。然后根据估计的中间流对输入帧进行 warp，并采用融合过程来计算最终结果。基于该研究提出的 leakage distillation 技术，RIFE 能够进行端到端训练并获得出色的性能。实验表明，RIFE 比现有基于流的视频帧插值方法要快得多，并且在多个基准上达到 SOTA。