초록
인터레이싱은 텔레비전 방송과 비디오 녹화에서 대역폭을 증가시키지 않고 인식되는 프레임 속도를 두 배로 높이는 널리 사용되는 기술입니다. 그러나 재생 중에는 깜빡임과 실루엣의 '톱니 모양'(serration) 같은 귀찮은 시각적 문제를 일으킵니다. 현재 최고 수준의 인터레이싱 제거 방법들은 실시간 성능을 제공하기 위해 시간 정보를 무시하여 시각적 품질이 낮아지거나, 더 나은 인터레이싱 제거를 위해 움직임을 추정하지만 이에 따른 계산 비용이 높아지는 단점이 있습니다. 본 논문에서는 고해상도와 실시간 성능을 동시에 제공하는 첫 번째이자 혁신적인 딥 컨볼루셔널 신경망(DCNN) 기반의 인터레이싱 제거 방법을 제안합니다. 기존의 초해상도 문제 해결 모델들이 변환 불변성 가정에 의존하는 것과 달리, 제안된 DCNN 모델은 홀 필드와 짝 필드 모두에서 시간 정보를 활용하여 누락된 스캔라인만 재구성하고, 주어진 홀 필드와 짝 필드 스캔라인을 유지하여 완전한 인터레이싱 제거 프레임을 생성합니다. 또한 층 공유 구조를 도입함으로써 본 시스템은 단일 GPU에서 실시간 성능을 달성할 수 있습니다. 실험 결과, 본 방법론은 재구성 정확도와 계산 성능 면에서 모든 기존 방법론보다 우수함을 입증하였습니다.