شبكة تحسين دقة الفيديو العميقة باستخدام مرشحات تكبير ديناميكية دون تعويض حركي صريح
أصبحت معالجة تكبير الفيديو (VSR) أكثر أهمية في الآونة الأخيرة لتوفير محتوى عالي الدقة (HR) للشاشات ذات الدقة الفائقة. وعلى الرغم من اقتراح العديد من الأساليب القائمة على التعلم العميق لمعالجة تكبير الفيديو، فإن معظمها يعتمد بشكل كبير على دقة تقدير الحركة والتكميل الحركي. في هذه الورقة، نقدّم إطارًا جذريًا مختلفًا لمعالجة تكبير الفيديو. نقترح شبكة عصبية عميقة من النهاية إلى النهاية جديدة تُنتج مرشحات تكبير ديناميكية وصورة باقية (residual)، حيث تُحسب هذه العناصر بناءً على الجوار المكاني-الزماني المحلي لكل بكسل، بهدف تجنب التكميل الحركي الصريح. وباستخدام نهجنا، يتم إعادة بناء الصورة عالية الدقة مباشرة من الصورة المدخلة باستخدام مرشحات التكبير الديناميكية، بينما تُضاف التفاصيل الدقيقة من خلال الصورة الباقية المحسوبة. وبمساعدة تقنية تكبير بيانات جديدة، يمكن لشبكتنا إنتاج مقاطع فيديو عالية الدقة أكثر وضوحًا وتماسكًا زمنيًا مقارنة بالأساليب السابقة. كما نقدم تحليلًا مفصلًا للشبكة من خلال تجارب واسعة لتوضيح كيفية تعامل الشبكة مع الحركات بشكل ضمني.