RIFE_ONNX_Lab

Laboratoire minimal et reproductible pour exporter le modele RIFE v4.26 fourni vers ONNX, le valider, puis mesurer sa compatibilite avec ONNX Runtime CPU et DirectML.

Source

• Dossier source fourni : E:\AI\RIFEv4.26_0921_ONNX
• Artefacts copies : models/source/flownet.pkl et models/source/IFNet_HDv3.original.py
• Note : le dossier fourni contient refine.py et non rife.py. Le wrapper d'origine RIFE_HDv3.py reference aussi des modules d'entrainement absents. Ce labo reconstruit donc un wrapper d'inference autonome et limite aux composants utiles a l'export.
• Note technique : le wrapper Python du labo peut padder en multiple de 64 avant inference puis recadrer la sortie. En revanche, l'export ONNX livre le coeur d'inference sans auto-padding interne pour conserver un graphe propre. Les entrees ONNX doivent donc respecter H et W multiples de 64, ou etre paddees en amont.

Structure

• scripts/ : scripts Python courts et lisibles
• models/source/ : checkpoint source et copie du fichier officiel utile
• models/onnx/ : exports ONNX
• tests/ : images et sorties de validation
• reports/ : rapports et verdict

Environnement Python local

Commandes PowerShell exactes :

Set-Location E:\AI\RIFE_ONNX_Lab
python -m venv .venv
.\.venv\Scripts\Activate.ps1
python -m pip install --upgrade pip
pip install -r .\requirements.txt

Si vous voulez forcer PyTorch CPU seulement :

pip uninstall -y torch torchvision torchaudio
pip install torch --index-url https://download.pytorch.org/whl/cpu

Workflow

Inspection :

python .\scripts\inspect_model.py

Export ONNX :

python .\scripts\export_onnx.py

Validation PyTorch vs ONNX :

python .\scripts\validate_onnx.py

Benchmark CPU + DirectML :

python .\scripts\benchmark_onnx.py

Tout relancer dans l'ordre :

python .\scripts\inspect_model.py
python .\scripts\export_onnx.py
python .\scripts\validate_onnx.py
python .\scripts\benchmark_onnx.py

Sorties attendues

• ONNX exporte : models/onnx/rife_v426_x2.onnx
• Image de validation : tests/interpolated_test.png
• Rapports : reports/*.md, reports/*.json

Objectif

Ce projet n'integre rien a FrameShift pour l'instant. Il sert uniquement a repondre a cette question :

"Le checkpoint RIFE v4.26 fourni est-il exploitable proprement dans une future integration C#/.NET 8 avec ONNX Runtime DirectML ?"