右边的画面，是不是比左边的画面看上去稳定许多？

这样的效果，大家可能并不陌生。现在，不少手机厂商都为自家手机配备了类似的防抖算法，为你拍摄生活Vlog提供便利。

不过，目前的智能手机在面对复杂的抖动时，主要是通过电子防抖（EIS）的方式来实现画面的稳定。

也就是说，需要对画面的边界进行裁剪，通过“后期处理”，实现画面的稳定：

而现在，一项来自台湾大学、谷歌、弗吉尼亚理工大学和加州大学默塞德分校等研究机构的论文，提出了一种无需裁剪的全帧视频稳定算法。

即使是奔跑中拍摄的画面，也能稳定不少。

那么，这只AI具体是如何做到防抖的？

方法原理

该方法的核心思想，是融合视频中多个相邻帧的信息，来呈现无需裁剪的完整稳定视频。

具体而言，对于输入视频，首先对每一帧图像特征进行编码，并在目标时间戳处将相邻帧翘曲至虚拟相机空间。

这里面主要用到了目标帧到关键帧的翘曲场，以及从关键帧到相邻帧的估计光流两个信息，这样，就可以通过链接流向量，计算目标帧到相邻帧的翘曲场。

然后，融合这些特征。

实验结果

研究人员在NUS数据集和自拍视频数据集上验证了该方法。

在上表中，DIFRINT方法同样是无需裁剪的方法。虽然该方法在失真值（distortion value）上略优于本文方法，但如下图所示，DIFRINT的结果中有明显的局部失真。

总体而言，本文提出的方法优于此前的SOTA方法。

不过，论文也谈到了该方法的局限性，比如对卷帘式快门无效；如果视频帧间亮度变化很大，会导致明显的接缝；预处理阶段的平滑方法可能会导致失真等。

传送门

根据作者介绍，该项目即将开源，如果感兴趣，不妨先mark一下~

论文地址： https://arxiv.org/abs/2102.06205

项目地址： https://alex04072000.github.io/NeRViS/

来源：opencv学堂