Lernende, auf Aufgaben ausgerichtete Flüsse zur wechselseitigen Anleitung der Merkmalsausrichtung bei synthetisch und realen Videorauhigkeitsreduzierung

Die Videorauschunterdrückung zielt darauf ab, Rauschen aus Videos zu entfernen, um saubere Versionen wiederherzustellen. Einige bestehende Ansätze zeigen, dass der optische Fluss durch Ausnutzung zusätzlicher räumlich-zeitlicher Hinweise aus benachbarten Bildern die Rauschunterdrückung unterstützen kann. Allerdings ist die Schätzung des optischen Flusses selbst empfindlich gegenüber Rauschen und kann bei hohen Rauschpegeln unbrauchbar werden. Um dies zu adressieren, schlagen wir eine neue, mehrskalige, flussverfeinerte Methode zur Videorauschunterdrückung vor, die robuster gegenüber unterschiedlichen Rauschpegeln ist. Unser Ansatz besteht hauptsächlich aus einem flussorientierten Flussverfeinerungsmodul (DFR) und einem flussgeleiteten, wechselseitigen Rauschunterdrückungspropagationsmodul (FMDP). Im Gegensatz zu früheren Arbeiten, die direkt vorgefertigte Flusslösungen verwenden, lernt DFR zunächst robuste mehrskalige optische Flüsse, während FMDP die Flussführung nutzt, indem schrittweise und schrittweise verfeinerte Flussinformationen von niedriger zur höherer Auflösung eingeführt werden. In Kombination mit der synthetischen Simulation realistischer Rauschdegradation erreicht das vorgeschlagene mehrskalige, flussgeleitete Rauschunterdrückungsnetzwerk führende Ergebnisse sowohl bei der synthetischen Gauss-Rauschunterdrückung als auch bei der Rauschunterdrückung echter Videos. Der Quellcode wird öffentlich verfügbar gemacht.