起初想使用opencv-dnn做部署，可是opencv-dnn加载onnx文件时报错了，因而使用onnxruntime做部署。 本套部署程序对应的paper是旷世研究院在ECCV2022发表的一篇文章《Real-Time Intermediate Flow Estimation for Video Frame Interpolation》， 模型简称rife，onnx模型文件只有8.79M，模型已经很小了， 训练源码在 https://github.com/megvii-research/ECCV2022-RIFE ，有3.9k个star。 而谷歌在ECCV2022发布的做视频帧插值的文章《FILM: Frame Interpolation for Large Motion》， 模型简称film，训练源码在 https://github.com/google-research/frame-interpolation ，有2.6k个star ，但是它的onnx模型文件却有133M，相比于旷世发布的rife，大很多了。因此旷世发布的rife更适合在工业界落地应用