有人可以告诉我如何（或它的名称，以便我可以查找）我可以实现这种插值效果？ https://www.youtube.com/watch?v=36lE9tV9vm0&t=3010s&frags=pl%2Cwn
我尝试在每次迭代中使用r = r + dr，g = g + dr和b = b + db作为RGB值，但与视频的效果相比，它看起来过于简单。
在另一个视频中找到它，它被称为“潜在空间插值”，它必须应用于压缩图像。如果我有图像A而下一个图像是图像B，我首先编码A和B，对编码数据使用插值，最后解码得到的图像。
“有人能告诉我如何实现这种插值效果吗？ （或者它的名字，以便我可以查一查）......“
它实际上不是一个命名的插值效果。它似乎是插值的，但实际上它只是一些虚构的面部“特征”的实时更新变体（头发，眼睛，鼻子等是合成像素，从可能匹配的特征类型的库/数据库中获取提示）。
对于这种技术，他们使用神经网络进行类似于DFT图像重建的过程。您将修改频域（使用u，v）中的图像数据，而不是时域（使用x，y）。
您可以在此PDF中阅读相关内容： https://research.nvidia.com/sites/default/files/pubs/2017-10_Progressive-Growing-of/karras2018iclr-paper.pdf
（Python）源代码： https://github.com/tkarras/progressive_growing_of_gans
对于想法，在Youtube上你可以查找：
DFT image reconstruction（这是一个很好的例子，分阶段重建的黑白照片Nicholas Cage照片。大声的音乐警告）。Image Synthesis与神经网络（一个夹子有替代鞋和手袋设计（项目照片）由N.N.“合成”后，它分析其他现有目录照片的功能作为“灵感”。Image Enhancement Super Resolution using neural networks此方法最接近回答您的问题。一个示例在b / w中具有非常低分辨率的模糊像素化图像。不知道男孩还是女孩。在测试期间，网络合成各种更高质量的人脸图像，它认为这是测试输入的正确匹配。在了解了它们是什么/如何实现它之后，您可以想到在不需要网络的情况下获得类似效果的快捷方式，例如：仅使用常规像素编辑功能。