當前（2024-07-14）視頻插幀（VFI）方向的 SOTA 基本被三篇頂會工作占據，按“精度-速度-感知質量”三條線總結如下，供你快速定位最新范式。

1. 感知質量最佳：CVPR 2024 ? PerVFI
   ? 關鍵詞：非對稱融合 + Normalizing Flow 先驗
   ? 亮點：把光流誤差導致的重影問題顯式建模為“特征不對齊”，用稀疏約束的非對稱融合＋基于流的生成器一次性解決重影和模糊；在 Xiph-4K、Vimeo90K 等基準上 PSNR/SSIM 不是最高，但 LPIPS、用戶主觀評分第一。
   ? 代碼/模型：https://github.com/mulns/PerVFI

2. 通用精度最佳：CVPR 2022 ? IFRNet（更新版 RIFE++）
   ? 關鍵詞：光流-特征聯合精煉、一次前向推理
   ? 亮點：把“中間光流估計”和“中間幀特征重建”放在同一個 encoder-decoder 里 coarse-to-fine 聯合優化，避免級聯網絡延遲；RIFE++ 蒸餾后 1080p 單幀 6-8 ms，可實時 30→240 fps。
   ? 代碼/模型：https://github.com/megvii-research/IFRNet

3. 生成式新路線：LDMVFI（首次將 Latent Diffusion 引入插幀）
   ? 關鍵詞：LDM + 隱空間擴散
   ? 亮點：把插幀形式化為條件生成任務，利用潛在擴散模型在緊湊隱空間內去噪，生成高感知質量中間幀；在極端復雜運動和光照突變場景下優于傳統 CNN 方法。
   ? 代碼/模型：尚未開源，但論文已公開（2024-08 見刊）

補充兩條工程向進展
? 高分辨率：XVFI（CVPR2021）仍是 4K 以上大運動場景的 baseline，基于遞歸多尺度共享結構，顯存占用低。
? 輕量化：CDFI 在保持 AdaCoF 性能的同時，參數量×0.25，適合移動端部署。

一句話總結
要“效果頂”直接用 PerVFI；要“又快又好”選 IFRNet/RIFE++；想追生成式熱點可關注 LDMVFI。