2020CVPR VSR Space-Time-Aware Multi-Resolution Video Enhancement
Space-Time-Aware Multi-Resolution Video Enhancement
1、总结
同时做时间和空间的超分。高分辨率可以提高运动细节,高帧率有利于做运动对齐。文中的方法是在ST-SR期间生成潜在的低分辨率和高分辨率表示的模型组件可用于微调仅针对空间SR或时间SR的专用机制。
作者提出了 Space-Time-Aware multi-Resolution Network STARnet。STARnet通过为ST-SR提供从LR到HR的直接连接,明确合并了在LR和HR空间中相互增强S-SR和T-SR的空间和时间表示,如图1(e)中的紫色箭头所示。
2、STA multi-Resolution
提供两帧低帧图片(Itl,It+1l)(I_t^l, I_{t+1}^l)(Itl,It+1l),大小为(Ml×Nl)(M^l \times N^l)(Ml×Nl),超分结果是得到(Itsr,It+nsr,It+1sr),n∈[0,1](I_t^{sr}, I_{t+n}^{sr}, I_{t+1}^{sr}), n \in [0,1](Itsr,It+nsr,It+1sr),n∈[0,1],大小为(Mh×Nh)(M^h \times N^h)(Mh×Nh),目标是产生{Itsr}t=1T+\{I_t^{sr}\}_{t=1}^{T+}{Itsr}t=1T+。
网络分成了三个步骤:
- initialization
- refinement
- reconstruction
建议根据公式,自己画下网络图
2.1 Initialization(Stage 1)
这部分主要实现S-SR,T-SR,ST-SR的联合学习。输入时两张低帧RGB图(Itl,It+1l)(I_t^l, I_{t+1}^l)(Itl,It+1l),和他们的双向光流图(Ft→t+1,Ft+1→t)(F_{t \to t+1}, F_{t+1\to t})(Ft→t+1,Ft+1→t)
第一个阶段的输出是中间帧的HR和LR特征Ht+nH_{t+n}Ht+n和Lt+nL_{t+n}Lt+n。
在这个阶段STARnet保持周期一致性1)S-HR和S-LR,2)t和t+1。
2.2 Refinement(Stage2)
进一步保持循环一致性,以再次完善特征图。
2.3 Reconstruction(Stage3)
通过只使用一层卷积将四个特征(H^t,H^t+n,H^t+1,L^t+n)(\hat H_t, \hat H_{t+n}, \hat H_{t+1}, \hat L_{t+n})(H^t,H^t+n,H^t+1,L^t+n)转换成对应的图像(Itsr,It+nsr,It+1sr,It+nl)(I_t^{sr}, I_{t+n}^{sr}, I_{t+1}^{sr}, I_{t+n}^l)(Itsr,It+nsr,It+1sr,It+nl)。
2.4 训练目标
S-HR图像作为gt, T-HR帧也作为gt,loss可以写为
Space loss ItsrI_t^{sr}Itsr,It+1srI_{t+1}^{sr}It+1sr
Times loss It+nlI_{t+n}^lIt+nl
Space-Time loss It+nsrI_{t+n}^{sr}It+nsr
Loss函数
上面每个loss都包含了L1L_1L1项和LvggL_vggLvgg项。
2.5 Flow Refinement
大的运动视频插帧很难。大的运动引起的flow noise对插值结果有不良影响。作者提出了一个简单的方案可以refine或者denoise flow image, flow refinement(FR) module。
2020CVPR VSR Space-Time-Aware Multi-Resolution Video Enhancement相关推荐
- Learning Temporal Consistency for Low Light Video Enhancement from Single Images
Learning Temporal Consistency for Low Light Video Enhancement from Single Images 论文链接:CVPR链接 期刊/会议:C ...
- 论文阅读 | Video Enhancement with Task-Oriented Flow
引言:Toflow视频处理的方法,包括视频插帧.视频去噪.视频超分,发表在IJCV2019,文章提出了大规模数据集vimeo90k Video Enhancement with Task-Orient ...
- Low-Light Image and Video Enhancement Using Deep Learning: A Survey(论文阅读)
(2021_TPAMI)Low-Light Image and Video Enhancement Using Deep Learning: A Survey 本文是南开大学程明明与南洋理工大学C ...
- 暗光增强论文MBLLEN: Low-light Image/Video Enhancement Using CNNs阅读笔记
论文地址:http://www.bmva.org/bmvc/2018/contents/papers/0700.pdf 项目地址:https://github.com/Lvfeifan/MBLLEN ...
- 《VESR-Net: The Winning Solution to Youku Video Enhancement and Super-Resolution Challenge》论文阅读
原文链接:https://arxiv.org/pdf/2003.02115.pdf 这篇论文获得了 "阿里巴巴优酷视频增强和超分辨率挑战赛" 的第一名,其整体的网络结构如下: 其中 ...
- Space-Time-Aware Multi-Resolution Video Enhancement阅读总结
代码:https://github.com/alterzero/STARnet 这是CVPR2020上发表的同时执行插帧和超分辨任务的文章.插帧和超分合起来可以称作时空超分任务,在时间维度上的超分就是 ...
- signature=c9c5777d3c4d3f66a24e97c3454c1093,DETECTING OBJECTS IN VIDEO DATA
摘要: Certain examples described herein enable semantically-labelled representations of a three-dimens ...
- 视频插帧(Video Frame interpolation)论文及源码
视频插帧论文列表(含Code) 蓝色突出表示热门方法 CCF A AAAI 2019 CyclicGen:Deep Video Frame Interpolation Using Cyclic Fra ...
- RIFE: Real-Time Intermediate Flow Estimation for Video Frame Interpolation——精读笔记
RIFE: Real-Time Intermediate Flow Estimation for Video Frame Interpolation 原文:https://arxiv.org/pdf/ ...
最新文章
- Vue.js全家桶高还原网易云音乐(Windows PC版)
- linux find 忽略大小写查找文件
- 分数四则运算_JAVA
- DCMTK:存储服务类提供者(C-STORE操作)
- 100个网络基础知识,赶紧收藏吧!
- cacti不能实时刷新流量图_介绍一种编码帧内刷新算法
- ice库c语言例子,很不多的ICE架构入门学习例子
- BHIOT-833物联网智能网关
- MyReport:DataGrid的打印和打印预览
- 【ArcGIS|空间分析】叠置分析(易混工具使用)
- 【图像处理基础】基于matlab图像RGB+HSV分布图【含Matlab源码 234期】
- 电力电子仿真软件对比分析
- android获取wifi支持的信道,Android获取当前联接wifi的信道
- firefox使用掘金插件_谷歌浏览器常用插件
- Amazon IoT Core 服务成本优化
- 如何将NEF格式文件转换为JPG格式
- mac误删除文件恢复,mac文件丢失如何找回
- 轻松掌握Mybatis(上)
- Ubuntu 20.04 LTS (Focal Fossa) OVF 模板下载 百度网盘
- JavaScript的pop()
热门文章
- LENOVO联想笔记本拯救者Legion R7000P APH8 2023款(82Y9)原厂Windows11系统原装出厂状态预装系统
- 《肖申克的救赎》影评
- 曾国藩:“笨人”成功有六道
- 有一点思考的2021年终总结
- 留言墙项目【Vue3 + nodejs + express + mysql】——上
- 安装Vue-CIL步骤
- Linux中三种引号(单引号、双引号、反引号)的区别
- Qt for MCUs 2.0发布
- 打开/关闭 HP超极本鼠标触摸板
- linux平板 开发程序,嵌入式Linux工业平板电脑开发详解