HyperAIHyperAI
vor 2 Monaten

Mehrframes Verbesserung für frühe verzahnte Videos

Yang Zhao; Yanbo Ma; Yuan Chen; Wei Jia; Ronggang Wang; Xiaoping Liu
Mehrframes Verbesserung für frühe verzahnte Videos
Abstract

Frühe verzahnte Videos enthalten in der Regel mehrere und verzahnte sowie komplexe Kompressionsartefakte, die die visuelle Qualität erheblich verringern. Obwohl die Technologie zur Hochauflösungswiederherstellung früher Videos in den letzten Jahren große Fortschritte gemacht hat, mangelt es an entsprechenden Forschungen im Bereich der Entverzahnung. Traditionelle Methoden konzentrieren sich hauptsächlich auf einfache Verzahnungsmechanismen und können nicht mit den komplexen Artefakten in realen frühen Videos umgehen. Kürzliche tiefgründige Entverzahnungsmodelle für verzahnte Videowiedergabe fokussieren sich ausschließlich auf einzelne Bilder und vernachlässigen dabei wichtige zeitliche Informationen. Daher schlägt dieser Artikel ein Mehrbild-Entverzahnungsnetzwerk mit verbundener Verbesserung für frühe verzahnte Videos vor, das aus drei Modulen besteht: dem räumlichen vertikalen Interpolationsmodul, dem zeitlichen Ausrichtungs- und Fusionsmodul sowie dem finalen Feinabstimmungsmodul. Die vorgeschlagene Methode kann durch die Nutzung der zeitlichen Redundanz von Mehrfeldern effektiv die komplexen Artefakte in frühen Videos entfernen. Experimentelle Ergebnisse zeigen, dass die vorgeschlagene Methode sowohl für synthetische Datensätze als auch für reale frühe verzahnte Videos hochwertige Ergebnisse erzielen kann.

Mehrframes Verbesserung für frühe verzahnte Videos | Neueste Forschungsarbeiten | HyperAI