当前（2024-07-14）视频插帧（VFI）方向的 SOTA 基本被三篇顶会工作占据，按“精度-速度-感知质量”三条线总结如下，供你快速定位最新范式。

1. 感知质量最佳：CVPR 2024 ‑ PerVFI
   • 关键词：非对称融合 + Normalizing Flow 先验
   • 亮点：把光流误差导致的重影问题显式建模为“特征不对齐”，用稀疏约束的非对称融合＋基于流的生成器一次性解决重影和模糊；在 Xiph-4K、Vimeo90K 等基准上 PSNR/SSIM 不是最高，但 LPIPS、用户主观评分第一。
   • 代码/模型：https://github.com/mulns/PerVFI

2. 通用精度最佳：CVPR 2022 ‑ IFRNet（更新版 RIFE++）
   • 关键词：光流-特征联合精炼、一次前向推理
   • 亮点：把“中间光流估计”和“中间帧特征重建”放在同一个 encoder-decoder 里 coarse-to-fine 联合优化，避免级联网络延迟；RIFE++ 蒸馏后 1080p 单帧 6-8 ms，可实时 30→240 fps。
   • 代码/模型：https://github.com/megvii-research/IFRNet

3. 生成式新路线：LDMVFI（首次将 Latent Diffusion 引入插帧）
   • 关键词：LDM + 隐空间扩散
   • 亮点：把插帧形式化为条件生成任务，利用潜在扩散模型在紧凑隐空间内去噪，生成高感知质量中间帧；在极端复杂运动和光照突变场景下优于传统 CNN 方法。
   • 代码/模型：尚未开源，但论文已公开（2024-08 见刊）

补充两条工程向进展
• 高分辨率：XVFI（CVPR2021）仍是 4K 以上大运动场景的 baseline，基于递归多尺度共享结构，显存占用低。
• 轻量化：CDFI 在保持 AdaCoF 性能的同时，参数量×0.25，适合移动端部署。

一句话总结
要“效果顶”直接用 PerVFI；要“又快又好”选 IFRNet/RIFE++；想追生成式热点可关注 LDMVFI。