对于输入帧的处理

[ZXMMD]

作者您好，在RIFE的inference_img.py中，是这样处理输入帧：
https://github.com/hzwer/ECCV2022-RIFE/blob/638322e8bfe6daca4439f7b56503fef4b090d34f/inference_img.py#L57-L60

在Practical-RIFE中，输入帧被resize到(448, 256)：

Practical-RIFE/inference_img.py

Lines 53 to 58 in 82906f0

	img0 = cv2.imread(args.img[0], cv2.IMREAD_UNCHANGED)
	img1 = cv2.imread(args.img[1], cv2.IMREAD_UNCHANGED)
	img0 = cv2.resize(img0, (448, 256))
	img1 = cv2.resize(img1, (448, 256))
	img0 = (torch.tensor(img0.transpose(2, 0, 1)).to(device) / 255.).unsqueeze(0)
	img1 = (torch.tensor(img1.transpose(2, 0, 1)).to(device) / 255.).unsqueeze(0)

请问这两种处理方式会对结果造成影响吗？为什么处理方式不一样？

另外还想请教一些问题：

1. 如果测试集是Xiph,分辨率都是(4096, 2160)，但我在测试的时候先把视频帧resize到(256,448)，得到光流后，把光流插值到(4096, 2160)，最后的插帧结果也是(4096, 2160)，这样可以叫做4K视频插帧吗？还是必须保证输入大小是(4096, 2160)？
2. 如果对输入帧进行resize，得到插帧结果后，再通过插值恢复原始大小，可以通过这种方式实现高分辨率视频插帧吗？

[hzwer]

你好，后者可能是以前为了跑一些demo的遗留代码；1. 可以这样做 但是不建议把分辨率搞这么小再求光流，0.25x 可能就极限了
2. 不能 会很模糊