HyperAIHyperAI

Command Palette

Search for a command to run...

COMISR: تكبير دقيق الفيديو المُوجَّه بالضغط

Yinxiao Li Pengchong Jin Feng Yang Ce Liu Ming-Hsuan Yang Peyman Milanfar

الملخص

تركز معظم طرق تحسين دقة الفيديو على استعادة إطارات الفيديو عالية الدقة من مقاطع فيديو منخفضة الدقة دون أخذ التشفير بعين الاعتبار. ومع ذلك، فإن معظم مقاطع الفيديو المتاحة على الويب أو الأجهزة المحمولة تكون مشفرة، وقد يكون التشفير شديدًا عند وجود قيود على عرض النطاق الترددي. في هذه الورقة، نقترح نموذجًا جديدًا لتحسين دقة الفيديو يأخذ التشفير بعين الاعتبار، بهدف استعادة المحتوى عالي الدقة دون إدخال عيوب ناتجة عن التشفير. يتكون النموذج المقترح من ثلاث وحدات لتحسين دقة الفيديو: تزيح متعدد الاتجاهات باستخدام شبكة تكرارية، وتقدير تدفق يحافظ على التفاصيل، وتحسين لابلاسيان. وتُستخدم جميع هذه الوحدات الثلاثة للتعامل مع خصائص التشفير، مثل موقع الإطارات الداخلية في المدخلات، وسلسية الإطارات الناتجة. ولضمان تقييم أداء شامل، أجرينا تجارب واسعة على مجموعات بيانات قياسية تتضمن معدلات تشفير متنوعة، تغطي العديد من الحالات الواقعية لاستخدام الفيديو. أظهرنا أن طريقة العمل لدينا لا تُعيد استرجاع المحتوى عالي الدقة من الإطارات غير المشفرة في مجموعات البيانات القياسية الشائعة الاستخدام، بل تحقق أيضًا أداءً متفوقًا على مستوى الحالة الحالية في تحسين دقة الفيديو المشفر. كما قمنا بتقييم الطريقة المقترحة من خلال محاكاة البث من YouTube لإظهار فعاليتها ومتانتها. يمكن الوصول إلى الشفرة المصدرية والنماذج المدربة من خلال الرابط التالي: https://github.com/google-research/google-research/tree/master/comisr.


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
COMISR: تكبير دقيق الفيديو المُوجَّه بالضغط | مستندات | HyperAI