HyperAIHyperAI
il y a 2 mois

Réseau de Réprojection Récursive pour la Sur-résolution Vidéo

Muhammad Haris; Greg Shakhnarovich; Norimichi Ukita
Réseau de Réprojection Récursive pour la Sur-résolution Vidéo
Résumé

Nous avons proposé une nouvelle architecture pour le problème de la sur-résolution vidéo. Nous intégrons les contextes spatiaux et temporels provenant de trames vidéo continues à l'aide d'un module encodeur-décodeur récurrent, qui fusionne les informations multi-trames avec le chemin plus traditionnel de sur-résolution mono-trame pour la trame cible. Contrairement à la plupart des travaux antérieurs où les trames sont combinées par empilement ou déformation, notre modèle, le Réseau de Projection Rétroactive Récurrent (RBPN), traite chaque trame contextuelle comme une source d'information distincte. Ces sources sont combinées dans un cadre de raffinement itératif inspiré par l'idée de projection rétroactive en sur-résolution multi-images. Cette approche est facilitée par la représentation explicite du mouvement inter-trames estimé par rapport à la trame cible, plutôt que par l'alignement explicite des trames. Nous proposons un nouveau benchmark de sur-résolution vidéo, permettant une évaluation à plus grande échelle et prenant en compte des vidéos dans différents régimes de mouvement. Les résultats expérimentaux montrent que notre RBPN est supérieur aux méthodes existantes sur plusieurs jeux de données.

Réseau de Réprojection Récursive pour la Sur-résolution Vidéo | Articles de recherche récents | HyperAI