はじめに

rife_videoはECCV2022-RIFEを使ってフレーム補完をすることで30fpsの動画を60fpsにしたりスローモーション動画を作成するPython用のツールです。動画をドラックアンドドロップするだけで使えるようになっています。
また、別のAIモデルSuper-SloMoを使ったslomo_videoも同梱しています。どちらも同じことができますがAIモデルが異なるので処理速度やクオリティに違いがあります。

できること

30fpsの動画を60fps(2倍)または120fps(4倍)にする
スローモーション動画を作成する
検証用サイドバイサイド動画を作成する

処理速度(処理時間)

処理時間はビデオカードの性能で大きく変わります。
FullHD(1920x1080) 30fps 1分の動画を 60fps(2倍)にする場合の目安は次の通りです。

	GTX1080	RTX4090	所感
slomo_video	約 14分	約 2分30秒	精細感が高く良好極稀に破綻する
rife_video (scale1.0)	約 5分	約 1分	ややぼやけた印象破綻しにくい
rife_video (scale0.5)	約 2分	約 30秒	ややぼやけた印象さらに破綻しにくい

動作条件

Windows10 / 11
4GB以上のnVIDIA製ビデオカード
Python 3.11.4

ダウンロード

rife_video1_0_0.zip を解凍してできる'rife_video'フォルダへ下記のものをコピーしてください。
全てコピーすると次のようになります。

共通

ffmpeg
https://github.com/GyanD/codexffmpeg/releases/tag/2020-12-20-git-ab6a56773f
ffmpeg-2020-12-20-git-ab6a56773f-full_build.zipを解凍してできる
・ffmpeg.exe
・ffprobe.exe
ffstream
ffstream1_4_1.zipを解凍してできる
・'ffstream'フォルダ

rife_video

ECCV2022-RIFE 一式
https://github.com/megvii-research/ECCV2022-RIFE
ECCV2022-RIFE-main.zipを解凍してできる
・'ECCV2022-RIFE-main'フォルダ
学習データ
同ページのInstallationの項にある「Download the pretrained HD models from here.」から
RIFE_trained_model_v3.6.zipを解凍してできる
・'train_log'フォルダ

slomo_video

Super-SloMo 一式
https://github.com/avinashpaliwal/Super-SloMo
Super-SloMo-master.zipを解凍してできる
・'Super-SloMo-master'フォルダ
学習データ
同ページのPretrained modelの項にある「You can download the pretrained model trained on adobe240fps dataset here.」から
・SuperSloMo.ckpt

Pythonのインストール

このツールはPython用のスクリプトになっていますので、Pythonを公式サイトからダウンロードしてインストールしてください。

https://www.python.org/downloads/release/python-3114/
・python-3.11.4-amd64.exe

インストール画面ではカスタマイズを選択し Pythonへパスを通すオプションをONにしてください。

インストールが終わったらPCを再起動します（再起動しないとパス設定が有効にならない）。

Windows PowerShellを起動してPythonが使えることを確認します。Pythonから抜けるには[Ctrl] + [Z]。

AppStoreのPythonのページが表示されるようならパスの設定ができていません。
インストーラーで修復か再インストールしてください。

Pythonで必要なモジュール

requirements.txt

ffmpeg-python==0.2.0
keyboard==0.13.5
tqdm==4.66.1
Pillow==9.3.0
numpy==1.26.4
#torch==2.2.0.dev20230915+cu121
#torchvision==0.17.0.dev20230915+cu121

同梱のmodule_install.batで一括インストールできます。

また、PyTorchのCUDA 12版が必要です。CPU版や CUDA 11版では動かない場合があります。
動かない場合は次の様に上書きインストールしてください。

pip install --upgrade --force-reinstall torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu121

使い方

以下のバッチファイルへ動画をD&Dしてください。
カレントフォルダ（rife_videoのフォルダ）へfpsを2倍または4倍にした動画が作成されます。

drop_here_rife_x2.bat
fpsを2倍にする
drop_here_rife_x4.bat
fpsを4倍にする
drop_here_rife_sbs.bat
入力画像と補完画像を左右に並べたスロー動画を作成

コマンドラインオプション

書式

python rife_video.py [input_path] [opions]

input_path

入力動画のフルパス

options

オプション	説明
-d --output_dir	処理結果を保存するフォルダを指定する省略した場合はカレントフォルダへ出力最後の'￥'または'/'はあってもなくてもいい例 -d="C:/video"
-s --slow_factor	スローファクターフレーム数をn倍にし且つfpsもn倍にする省略した場合は 2倍 rifeでは2,4,8,16... 2のn乗のみ可 slomoは3や5も可マイナスにすると目標fpsに合わせて倍率を自動設定する例 -s -120 なら120fpsに近い倍率になるよう自動設定される
-f --fps_ratio	作成する動画のfpsを元動画のfpsのn倍にする 0.5や 1.5など実数も可このオプションを使うと音声はコピーされない省略した場合はslow_factorの倍率が適用される例 -s 4 -f 2 フレーム数を4倍 fpsは2倍にする
-a --scale	画像を縮小して処理を早くする rife専用省略した場合は 0.5
-i --input_option	入力ストリームのffmpeg オプション例 -i="-ss 1:30:00 -to 2:10:00" 処理する時間を指定する
-o --output_options	出力ストリームのffmpeg オプション例 -o="-c:v h264_nvenc -cq 26" nvencを使う
-n --no_suffix	作成する動画のファイル名に接尾語を付けない
--log	ログファイルを作成する
--sbs	入力画像と補完画像を左右に並べた動画を作成する
--fp16	実数演算にfloat16を使う少し早くなるかわりにクオリティ（画質）が低下する rife専用

補足

30fpsの動画と60fpsの動画がある場合にいずれも120fpsにしたい

通常は--slow_factorを使って-s 4と-s 2のように異なるオプションを指定しますが、-s -120(マイナスの場合は目標fpsとみなされる)とするといずれも120fpsにすることができます。

30fpsまたは60fpsの動画を120fpsにする

python rife_video.py input.mp4 --slow_factor -120

24fpsの動画を120fpsにするにはslomo_video.pyで--slow_factorを5にしてください

スローモーション動画を作成する

--slow_factorで補完フレームを多めに指定した後 '--fps_ratio'を1.0等小さめにして調整します。

8倍スローモーション

python rife_video.py input.mp4 --slow_factor 16 --fps_ratio 2

出力ファイルと同じ名前のファイルがある場合

ファイル名の最後に番号を付けて保存されます。

動画の一部を処理する（処理する時間を指定する）

入力ストリームオプションでffmpegコマンドを使います。

1時間30分から2時間10分までを処理する場合

python rife_video.py input.mp4 -i="-ss 1:30:00 -to 2:10:00"

nvencを使う

出力ストリームオプションでffmpegコマンドを使ってエンコーダーを指定できます。

h264 画質26の場合

python rife_video.py input.mp4 -o="-c:v h264_nvenc -cq 26"

h265 画質30の場合

python rife_video.py input.mp4 -o="-c:v hevc_nvenc -cq 30"

※ nvencはビデオカードが対応している必要があります。
※ （大抵の場合）処理のボトルネックはAI部分なのでエンコーダーを早いものに変えても処理時間を早くする効果は得られません。

Python RIFE(AI)を使って滑らかな動きの動画を作成するrife_video