FILM

1. 高质量帧插值：该技术提供了一个Tensorflow 2实现的高质量帧插值神经网络。
2. 统一的单网络方法：不使用额外的预训练网络，如光流或深度，但仍然达到了最先进的结果。
3. 多尺度特征提取器：该模型使用一个多尺度特征提取器，该提取器在各个尺度上共享相同的卷积权重。
4. 仅从帧三元组进行训练：该模型可以仅从帧三元组进行训练。
5. 输入与输出：用户可以上传两个帧，并控制帧插值器的调用次数。输出可以是插值视频，具有特定的帧数和帧速。
6. 运行时间与成本：预测在Nvidia T4 GPU硬件上运行，预测通常在105秒内完成。
7. 研究背景：该技术基于Google Research的技术报告，并有相关的学术论文供参考。

总体而言，这是一个为大场景运动提供帧插值的先进技术，旨在通过神经网络实现高质量的视频帧插值。对于那些在视频处理和编辑中寻求高质量帧插值解决方案的人来说，这是一个非常有价值的工具。