要約
深層学習は画像/動画の修復や超解像に大きな影響を与えていますが、学習型のデインターレース処理はこれまで学術界や産業界で十分な注目を受けていませんでした。これは、デインターレース処理が合成データから教師あり学習を行うのに適しているにもかかわらずです。なぜなら、劣化モデルが既知かつ固定されているためです。本論文では、最先端の超解像手法をデインターレース処理に適用した新しいマルチフィールドフルフレームレートデインターレースネットワークを提案します。当社のモデルは、変形畳み込み残差ブロックと自己注意機構を使用して、隣接するフィールドからの特徴量を参照フィールド（デインターレース対象）に合わせます。当社の広範な実験結果は、提案手法が数値性能および知覚性能の両面で最先端のデインターレース結果を提供することを示しています。執筆時点において、当社のモデルは https://videoprocessing.ai/benchmarks/deinterlacer.html のフルフレームレートリーダーボードで1位となっています。