3 个月前

通过循环潜在空间传播实现高效的视频超分辨率

通过循环潜在空间传播实现高效的视频超分辨率

摘要

随着超高清显示技术的快速发展,对高质量、高效率视频超分辨率(Video Super-Resolution, VSR)的需求比以往任何时候都更加迫切。以往的方法通常采用复杂的运动补偿策略,以在估计缺失的高频细节时充分利用时序信息。然而,由于运动估计本身是一个极具挑战性的问题,不准确的运动补偿会显著影响VSR算法的性能。此外,复杂的运动补偿模块还会带来沉重的计算负担,限制了这些方法在实际系统中的应用。本文提出了一种高效且新颖的递归隐空间传播(Recurrent Latent Space Propagation, RLSP)算法,用于实现快速视频超分辨率。RLSP通过引入高维隐状态,在帧间以隐式方式传播时序信息,有效避免了显式运动估计的复杂性与误差。实验结果表明,RLSP是一种高效且有效的VSR方法。在保持优异重建质量的同时,相比当前最先进的方法DUF,本方法实现了超过70倍的加速性能。

代码仓库

dariofuoli/RLSP
官方
pytorch
GitHub 中提及

基准测试

基准方法指标
video-super-resolution-on-vid4-4x-upscaling-1RLSP
PSNR: 27.48
SSIM: 0.8388

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
通过循环潜在空间传播实现高效的视频超分辨率 | 论文 | HyperAI超神经