voxel-flow 是视频领域的开源项目，由 liuziwei7 开发，2018 年首次发布。
它收录于视频分类，该分类目前共有 473 个项目，GitHub 星标数为 215。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-08-20。代码公开，可自行部署使用，无收费计划。
它主要面向的使用场景是：学术研究：复现经典视频插帧方法，作为对比基线。同类可对比的替代方案包括 RIFE、FILM、SoftSplat。
voxel-flow
用体素流场合成视频帧，搞定插帧和预测
voxel-flow 是 ICCV 2017 Oral 论文的开源实现，提出用深度体素流（Deep Voxel Flow）进行视频帧合成，解决视频插帧、帧预测和视频修复等时间维度上的像素变换问题。核心思想是学习一个体素流场，描述视频帧间像素的对应关系，然后通过可微的体素流层（VoxelFlowLayer）对输入帧进行空间变换，生成中间帧或未来帧。项目提供完整的训练和测试代码，支持自定义数据集，并包含预训练模型。它属于早期深度学习视频生成工作，为后续基于光流或运动估计的视频插帧方法奠定了基础。
开源
free
视频生成
GitHub 星标
★ 215
维护状态
低维护
是否开源
是
定价模式
free
项目数据
分类视频生成
开发团队liuziwei7
所属国家
定价模式free
价格说明开源项目，代码公开，可自行部署使用，无收费计划。
访问状态
是否开源是
开源协议
主要语言Python
技术栈/模型computer-vision,deep-learning,generative-model,video-generation
GitHub 星标★ 215
30天Star增速
HF 下载量
上线时间2018-02-05 00:00:00
最近更新2026-08-20 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数5
使用教程
核心亮点
- 提出体素流层，可微且端到端训练，直接学习帧间像素运动
- 支持多种任务：视频插帧、未来帧预测、视频修复，代码结构清晰
- 提供预训练模型和测试脚本，便于快速复现论文结果
不足之处
- 项目停止维护，依赖旧版 TensorFlow，环境配置困难
- 文档偏学术，缺少面向新手的快速上手指南
- 体素流方法对大幅运动效果有限，生成质量不如现代扩散模型
适用场景
- 学术研究：复现经典视频插帧方法，作为对比基线
- 视频后处理：对低帧率视频进行插帧，提升流畅度
- 教学演示：理解光流与视频帧合成的基本原理
替代项目
RIFE、FILM、SoftSplat
项目介绍
上一篇：NWT-pytorch
下一篇：clip-gan
同类项目推荐
MoneyPrinterTurbo
开源
输入一句话，高清短视频自动出炉，文案配音全包了
利用 AI 大模型和自动化工作流，根据主题或关键词一键生成高清短视频。Generate HD short ···
seedance-2.0-api
开源
快速上手字节Seedance 2.0，文本/图片一键生成视频
Seedance 2.0 API — text-to-video and image-to-video examples
openscreen
开源
免费无水印录屏做演示，替代 Screen Studio
Record your screen, ship a demo. Free and open-source, GPU-accelerated, no watermark···
MagicDance
开源
一张图+任意动作，生成身份不变的逼真人物视频
[ICML 2024] MagicPose(also known as MagicDance): Realistic Human Poses and Facial Ex···