شبكة التنبؤ المتكرر للتفتيش الفائق في الفيديو

اقترحنا معمارية جديدة لمشكلة زيادة دقة الفيديو. ندمج السياقات المكانية والزمانية من الإطارات الفيديوية المتتالية باستخدام وحدة ترميز-فك الترميز متكررة، التي تجمع المعلومات متعددة الإطارات مع المسار التقليدي للزيادة في الدقة لإطار الهدف. على عكس معظم الأعمال السابقة حيث يتم دمج الإطارات من خلال التكدس أو التواء، فإن نموذجنا، شبكة الرسم العكسي المتكررة (Recurrent Back-Projection Network - RBPN)، يتعامل مع كل إطار سياقي كمصدر معلومات منفصل. يتم دمج هذه المصادر في إطار عمل تحسين تكراري مستوحى من فكرة الرسم العكسي في زيادة الدقة لصور متعددة. هذا يُعزَّز بتمثيل الحركة بين الإطارات المقدرة بشكل صريح بالنسبة لإطار الهدف، بدلاً من محاذاة الإطارات بشكل صريح. نقترح مقاييس جديدة لزيادة دقة الفيديو، مما يسمح بتقييم على نطاق أكبر ويأخذ بعين الاعتبار الفيديوهات في أنظمة حركة مختلفة. تظهر النتائج التجريبية أن شبكتنا RBPN أفضل من الأساليب الموجودة على عدة قواعد بيانات.