4 个月前

细节揭示的深度视频超分辨率

细节揭示的深度视频超分辨率

摘要

以往基于卷积神经网络(CNN)的视频超分辨率方法需要将多个帧对齐到参考帧。本文表明,适当的帧对齐和运动补偿对于实现高质量结果至关重要。因此,我们在CNN框架中提出了一种“亚像素运动补偿”(Sub-Pixel Motion Compensation, SPMC)层。分析和实验结果证明了该层在视频超分辨率中的适用性。最终的端到端、可扩展的CNN框架有效地集成了SPMC层,并融合了多个帧以揭示图像细节。我们的实现方法能够在无需参数调整的情况下生成视觉上和定量上均优于当前最先进方法的高质量结果。

代码仓库

jiangsutx/SPMC_VideoSR
官方
tf
GitHub 中提及

基准测试

基准方法指标
image-super-resolution-on-set14-4x-upscalingSPMC
PSNR: 27.57
SSIM: 0.76
video-super-resolution-on-msu-video-upscalersSPMC
PSNR: 26.99
SSIM: 0.933
VMAF: 51.96
video-super-resolution-on-vid4-4x-upscalingDRDVSR
PSNR: 25.88
SSIM: 0.774

用 AI 构建 AI

从想法到上线——通过免费 AI 协同编程、开箱即用的环境和市场最优价格的 GPU 加速您的 AI 开发

AI 协同编程
即用型 GPU
最优价格
立即开始

Hyper Newsletters

订阅我们的最新资讯
我们会在北京时间 每周一的上午九点 向您的邮箱投递本周内的最新更新
邮件发送服务由 MailChimp 提供
细节揭示的深度视频超分辨率 | 论文 | HyperAI超神经