要約
インターレースは、テレビ放送やビデオ録画において帯域幅を増加させずに認識されるフレームレートを倍にするために広く使用されている技術です。しかし、再生時にフラッターやシルエットの「ギザギザ」などの煩わしい視覚的なアーティファクトが発生します。現行の最先端のインターレース除去手法は、リアルタイム性能を提供するために時間情報を無視するか、より良いインターレース除去のために運動を推定するかのいずれかであり、それぞれ視覚的品質が低かったり計算コストが高くなるというトレードオフがあります。本論文では、高視覚的品質とリアルタイム性能を両立する初めての深層畳み込みニューラルネットワーク（DCNN）に基づくインターレース除去手法を提案します。従来の超解像問題向けモデルが移動不変性の仮定に依存しているのに対し、我々が提案するDCNNモデルは奇数フィールドと偶数フィールド双方から得られる時間情報を活用して欠落した走査線のみを再構成し、与えられた奇数および偶数走査線を維持して完全なインターレース除去フレームを生成します。さらにレイヤー共有アーキテクチャを導入することで、単一GPU上でリアルタイム性能を達成できます。実験結果は、再構成精度と計算性能の面で当手法が既存のすべての手法を超えることを示しています。