Details
| Title | Использование нейросетей для улучшения FPS путем генерации кадров: выпускная квалификационная работа бакалавра: направление 01.03.02 «Прикладная математика и информатика» ; образовательная программа 01.03.02_02 «Системное программирование» |
|---|---|
| Creators | Гребнев Глеб Анатольевич |
| Scientific adviser | Беляев Сергей Юрьевич |
| Organization | Санкт-Петербургский политехнический университет Петра Великого. Физико-механический институт |
| Imprint | Санкт-Петербург, 2025 |
| Collection | Выпускные квалификационные работы ; Общая коллекция |
| Subjects | нейросетевая интерполяция кадров ; CNN ; RIFE ; интеграция в графические конвейеры ; DirectML ; ONNX Runtime ; DirectX ; повышение FPS ; neural network frame interpolation ; integration into graphic conveyors ; FPS boost |
| Document type | Bachelor graduation qualification work |
| File type | |
| Language | Russian |
| Level of education | Bachelor |
| Speciality code (FGOS) | 01.03.02 |
| Speciality group (FGOS) | 010000 - Математика и механика |
| DOI | 10.18720/SPBPU/3/2025/vr/vr25-2725 |
| Rights | Доступ по паролю из сети Интернет (чтение, печать) |
| Additionally | New arrival |
| Record key | ru\spstu\vkr\36991 |
| Record create date | 8/28/2025 |
Allowed Actions
–
Action 'Read' will be available if you login or access site from another network
| Group | Anonymous |
|---|---|
| Network | Internet |
В работе исследуется применение модели Real-Time Intermediate Flow Estimation (RIFE) для автоматической генерации промежуточных кадров в целях повышения частоты кадров в секунду (FPS) в игровых приложениях. Разработан программный модуль, интегрирующий дообученную модель RIFE с графическими API DirectX 11/12 через ONNX Runtime и DirectML Execution Provider. Предложена стратегия дообучения модели на специализированном датасете HD544p, содержащем динамичные игровые сцены с резкими поворотами камеры и быстрым движением объектов. Расширена функция потерь за счет шумовой компоненты для уменьшения артефактов растеризации. Результаты апробации показали повышение метрик качества с PSNR = 22.95 до 33.05 dB и SSIM = 0.887 до 0.956. Время инференса составляет 12-28 мс в зависимости от разрешения, что обеспечивает работу в реальном времени. Предложенное решение позволяет повысить плавность отображения в играх без увеличения нагрузки на цикл рендеринга.
This work investigates the application of the Real-Time Intermediate Flow Estimation (RIFE) model for automatic generation of intermediate frames to increase frames per second (FPS) in gaming applications. A software module has been developed that integrates a fine-tuned RIFE model with DirectX 11/12 graphics APIs through ONNX Runtime and DirectML Execution Provider. A fine-tuning strategy is proposed for the model on the specialized HD544p dataset containing dynamic gaming scenes with sharp camera rotations and fast object movement. The loss function is extended with a noise component to reduce rasterization artifacts. Evaluation results showed improved quality metrics from PSNR = 22.95 to 33.05 dB and SSIM = 0.887 to 0.956. Inference time ranges from 12-28 ms depending on resolution, ensuring real-time performance. The proposed solution enables smoother display in games without increasing the rendering pipeline load.
| Network | User group | Action |
|---|---|---|
| ILC SPbPU Local Network | All |
|
| Internet | Authorized users SPbPU |
|
| Internet | Anonymous |
|
- Задание_ВКР_Гребнев (5).pdf
- Физико-механический институт
- ЗАДАНИЕ
- Гребнев Глеб, ВКР последний.pdf
- Использование нейросетей для повышения FPS путем генерации кадров
- Введение
- 1. ПОСТАНОВКА ЗАДАЧИ
- 2. АНАЛИЗ СУЩЕСТВУЮЩИХ РЕШЕНИЙ
- 3. ИССЛЕДОВАНИЕ ВЫБРАННОГО ПОДХОДА
- 4. Разработка улучшенного подхода
- 5. Интеграция модели в графический конвейер
- 6. Результаты и их сравнительный анализ
- Заключение
- Список использованных источников
- Приложение 1. Примеры результатов видеоинтерполяциие
- Использование нейросетей для повышения FPS путем генерации кадров
Access count: 0
Last 30 days: 0
