hzwer

是的

建议先打印检查一下训练和推理时的数值范围是不是一致为 0～1 我觉得 patch 应该没这么大影响

噢那有可能真是训练炸了，如果 loss 越训越高，可以把 learning rate 调小一个数量级看看 loss 能不能正常下降

https://github.com/hzwer/Practical-RIFE?tab=readme-ov-file#installation Download a model from the model list

Hello, our project is actually not particularly suitable for your task. I sincerely recommend using RAFT. github.com/princeton-vl/RAFT

https://stackoverflow.com/questions/77364550/attributeerror-module-pkgutil-has-no-attribute-impimporter-did-you-mean

Hello, thanks for your great work! I think this part of the code is not very suitable for merging the main branch of RIFE directly. Because this repo is mainly...

Hi 你可以把 InputPadder 中的 32 改成 128 / 256 试一下

按道理原始 RIFE 需要 4*8=32 取整 padding scale=0.5 和 0.25 分别需要 shape 取整到 64 和 128 你可以在 mid_frame = model.inference(frame1, frame2, scale=scale, TTA=True) 这一句之前，确认 frame1, frame2 的 shape 是否正确

@w-zinan https://github.com/hzwer/ECCV2022-RIFE/commit/eff2c826711de6c69a3ad8badb383aee270f117d 是不是这样改改就行了