现有的视频帧插值（VFI）的工作大多采用深度神经网络，这些网络通过最小化输出和地面真实帧之间的L1、L2或深度特征空间距离（例如VGG损失）来训练。然而，最近的研究表明，这些指标是感知VFI质量的较差指标。为了发展面向感知的VFI方法，在这项工作中，我们提出了基于潜在扩散模型的VFI，LDMVFI。这将从生成的角度来处理VFI问题，并将其表述为一个条件生成问题。作为使用潜在扩散模型来解决VFI问题

论文写作常用工具1.overleaf ——网页版LaTeXhttps://cn.overleaf.com/project用前到b站搜教程Overleaf常用快捷键 https://zhuanlan.zhihu.com/p/3521373392.LateX在线公式编辑器https://www.latexlive.com/##3.LaTeX在线表格生成器https://www.tablesgenera

Springer，Elsevier投稿指南

通过改变a,b参数,可以得到信号x(t)在时频平面上的值。Morlet小波变换通过窗口函数匹配滤波的方式,实现信号的多分辨率时频分析。c(0) = c(L-1) = 1，对k = 1,2,…,[(L-1)/2],有:c(k) = c(L-1-k)，对k = 0,1,…因此,c(k)序列满足对称性以及moments vanishing条件,最终可构造出具有较高阶平滑性和对称性的Coif分析滤波器。，