초록
딥러닝은 이미지/비디오 복원 및 초해상도 분야에서 중요한 영향을 미쳤지만, 학계나 산업계에서는 학습된 디인터레이싱에 대한 관심이 아직 부족하다. 이는 디인터레이싱이 합성 데이터를 이용한 감독형 학습에 적합함에도 불구하고, 그왜냐하면 훼손 모델이 알려져 있고 고정되어 있기 때문이다. 본 논문에서는 최신 초해상도 접근법을 디인터레이싱 작업에 적용한 새로운 다중 필드 전체 프레임 레이트 디인터레이싱 네트워크를 제안한다. 제안된 모델은 변형 가능한 컨볼루션 잔차 블록과 자기 주의 메커니즘을 사용하여 인접 필드의 특성을 디인터레이싱될 참조 필드에 맞춰 정렬한다. 우리의 광범위한 실험 결과는 제안된 방법이 수치적 성능과 직관적 성능 측면에서 최고 수준의 디인터레이싱 결과를 제공함을 입증한다. 본 논문 작성 시점에서, 우리의 모델은 https://videoprocessing.ai/benchmarks/deinterlacer.html 에서 전체 프레임 레이트 리더보드에서 1위를 차지하고 있다.