法国勃艮第大学和皮卡第儒勒·凡尔纳大学团队提出SVI360球形视频插值方法，以提升全景视频帧率与画质。该方案采用双分支框架，通过生成正交视图解决球形画面两极区域的失真与重影问题。在四个公开数据集上，SVI360在PSNR和SSIM指标上优于对比方法，运动幅度大时性能下降更小。模型参数量约5010万，处理速度每帧365毫秒，目前适用于离线视频增强、后期制作等场景，尚无法满足实时VR需求。

本摘要由 AI 自动生成，可能与原文存在偏差。

查看引用/信息源请点击：映维网Nweon

克服全景视频两极失真与重影

（映维网Nweon 2026年07月27日）来自法国勃艮第大学和皮卡第儒勒·凡尔纳大学的研究团队提出了一种名为SVI360的球形视频插值方法，并表示它能够提升全景视频的帧率与画质。

球形视频，又称为全向或全景视频，由于每帧图像都包含360度场景信息，所以吸引了越来越多的研究兴趣和适用性。随着其在娱乐、教育和培训等领域的应用日益增多，对高质量360度视频的需求变得愈发关键。在这一背景下，实现平滑的视频帧过渡尤为重要，因为更高的帧速率能极大地增强用户沉浸感并有助于减少晕动症。然而，流式传输或传输高帧率的视频需要大量带宽，这使得在许多实际场景中效率低下。

为了缓解这个问题，视频插值已成为一种有前景的解决方案，能够在两张连续图像之间合成中间帧。通过在本地生成额外帧，此类方法可以提供更平滑的帧过渡，同时显著降低传输要求。现有方法在透视图像上取得了令人印象深刻的结果。然而，当应用于球形图像时，在画面两极区域容易出现严重失真、重影和模糊。这是因为球形画面在展开为平面图像时，像素密度分布不均，两极区域的运动位移计算尤为困难。

为解决这一问题，来自法国勃艮第大学和皮卡第儒勒·凡尔纳大学的研究团队提出了名为SVI360的球形视频插值方法。

所述方案采用双分支框架。除处理原始球形画面外，同时生成一张绕水平轴旋转90度的正交视图，使原本位于两极、畸变较重的区域在正交视图中移至画面中部，便于更准确地估计运动信息。两个分支的信息经特征交互与融合后，共同生成最终的插值帧。

研究团队在四个公开数据集上进行了实验，包括两个合成数据集（FlowScape、Flow360）和两个真实场景数据集（ODV360、360VFI）。结果显示，SVI360在PSNR和SSIM等图像质量指标上优于对比方法，特别是在运动幅度较大的“困难”和“极端”测试子集中，性能下降幅度小于同类方法。同时，所述方法在光流估计的精度上也达到了有竞争力的水平。

SVI360的参数量约为5010万，在测试硬件上的处理速度为每帧365毫秒。研究人员指出，这一速度尚无法满足实时虚拟现实应用的需求，目前更适合用于离线视频增强、后期制作或视频压缩预处理等对延迟要求不高的场景。

相关论文：SVI360: Spherical Video Interpolation

团队表示，后续将探索降低模型计算复杂度的方向，以适应未来VR等实时任务的需求。