
摘要
视频超分辨率旨在从对应的低分辨率视频中生成高分辨率视频,近年来受到越来越多关注。本文提出一种新方法,能够以分层方式有效融合时间信息。该方法将输入视频序列划分为若干组,每组对应一种帧率。这些组别提供了互补信息,用于恢复参考帧中缺失的细节,随后通过注意力模块与深层组内融合模块进行进一步整合。此外,本文还提出一种快速空间对齐策略,以应对具有大运动的视频。大量实验结果表明,所提模型在处理具有不同运动特性的视频时表现出色,在多个基准数据集上均取得了优于现有先进方法的性能。
代码仓库
junpan19/VSR_TGA
官方
pytorch
基准测试
| 基准 | 方法 | 指标 |
|---|---|---|
| video-super-resolution-on-msu-vsr-benchmark | TGA | 1 - LPIPS: 0.859 ERQAv1.0: 0.669 FPS: 0.706 PSNR: 25.786 QRCRv1.0: 0.549 SSIM: 0.831 Subjective score: 5.529 |
| video-super-resolution-on-vid4-4x-upscaling-1 | TGA | PSNR: 27.63 SSIM: 0.8423 |