HyperAIHyperAI

Command Palette

Search for a command to run...

عكس الأضرار: نهج متحول-انتشار يعتمد على QP لاستعادة الفيديو بدقة 8K تحت ضغط الكودك

Ali Mollaahmadi Dehaghi Reza Razavi Mohammad Moshirpour

الملخص

في هذا البحث، نقدم DiQP؛ وهو نموذج مبتكر يجمع بين تقنيتي Transformer و Diffusion لاستعادة جودة الفيديو بدقة 8K التي تأثرت بالضغط الترميزي. حسب علمنا، يعتبر نموذجنا الأول الذي يعالج تشوهات الضغط الناتجة عن مختلف الكودكس (AV1، HEVC) باستخدام عملية Denoising Diffusion دون الحاجة إلى اعتبار الضوضاء الإضافية. هذا الأسلوب يسمح لنا بنمذجة الطبيعة المعقدة وغير الجاوسية لتشوهات الضغط، مما يمكنه من تعلم كيفية عكس التدهور. يتكون تصميمنا من قوة Transformers في التقاط الارتباطات طويلة المدى مع آلية نوافذ محسنة تحافظ على السياق الزماني والمكاني داخل مجموعات البكسل عبر الإطارات. لتعزيز الاستعادة بشكل أكبر، يتم دمج النموذج بمودولات مساعدة "النظرة إلى الأمام" و"النظرة حول" (Look Ahead و Look Around)، مما يقدم معلومات عن الإطارات المستقبلية والمحاذية لمساعدتنا في إعادة بناء التفاصيل الدقيقة وتحسين الجودة البصرية العامة. أظهرت التجارب الواسعة على مجموعة متنوعة من البيانات أن نموذجنا يتفوق على الأساليب الرائدة في المجال، خاصة بالنسبة للفيديوهات عالية الدقة مثل 4K و8K، مما يبرهن على فعاليته في استعادة مقاطع الفيديو ذات الجودة المرئية المرضية من المصادر المضغوطة بشدة.


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
عكس الأضرار: نهج متحول-انتشار يعتمد على QP لاستعادة الفيديو بدقة 8K تحت ضغط الكودك | مستندات | HyperAI