Ich möchte die Lösung zusammenfassen:
ffmpeg -i IMG_%3d.jpg -vf zoompan=d=(A+B)/B:s=WxH:fps=1/B,framerate=25:interp_start=0:interp_end=255:scene=100 -c:v mpeg4 -maxrate 5M -q:v 2 out.mp4
Dabei ist A die Dauer in Sekunden, wie lange jedes Bild angezeigt wird (ohne Überblendungsdauer), B ist die Überblendungsdauer in Sekunden und WxH ist die Größe des Ausgangsvideos.