HyperAIHyperAI

Command Palette

Search for a command to run...

تحسين التكبير الفيديو الفعّال من خلال انتقال الفضاء الخفي المتكرر

Dario Fuoli Shuhang Gu Radu Timofte

الملخص

مع التوجه الأخير نحو الشاشات ذات الدقة الفائقة، أصبح الطلب على تحسين الفيديو عالي الجودة والكفاءة (VSR) أكثر أهمية من أي وقت مضى. اعتمدت الطرق السابقة على استراتيجيات معقدة لتصحيح الحركة لاستغلال المعلومات الزمنية عند تقدير التفاصيل عالية التردد المفقودة. ومع ذلك، نظرًا لصعوبة مشكلة تقدير الحركة، قد يؤدي تصحيح الحركة غير الدقيق إلى تأثير سلبي على أداء خوارزميات VSR. علاوةً على ذلك، قد يُضيف الوحدة المعقدة لتصحيح الحركة عبئًا حسابيًا ثقيلًا، مما يحد من تطبيق هذه الطرق في الأنظمة الحقيقية. في هذا البحث، نقترح خوارزمية فعّالة تُسمى انتشار الفضاء الخفي المتكرر (RLSP) لتحسين الفيديو بسرعة. تعتمد RLSP على حالات مُستترة عالية الأبعاد لنقل المعلومات الزمنية بين الإطارات بطريقة غير مباشرة. تُظهر النتائج التجريبية أن RLSP طريقة فعّالة وسريعة جدًا في معالجة مشكلة VSR، حيث نتفوّق على أحدث طريقة حالية (DUF) بسرعة تزيد عن 70 مرة.


بناء الذكاء الاصطناعي بالذكاء الاصطناعي

من الفكرة إلى الإطلاق — سرّع تطوير الذكاء الاصطناعي الخاص بك مع المساعدة البرمجية المجانية بالذكاء الاصطناعي، وبيئة جاهزة للاستخدام، وأفضل أسعار لوحدات معالجة الرسومات.

البرمجة التعاونية باستخدام الذكاء الاصطناعي
وحدات GPU جاهزة للعمل
أفضل الأسعار

HyperAI Newsletters

اشترك في آخر تحديثاتنا
سنرسل لك أحدث التحديثات الأسبوعية إلى بريدك الإلكتروني في الساعة التاسعة من صباح كل يوم اثنين
مدعوم بواسطة MailChimp