AIM 2020 视频极端超分辨率挑战:方法与结果
计算机视觉与模式识别
2020-09-15 v1
摘要
本文回顾了与 ECCV 2020 上 AIM 2020 研讨会相关的视频极端超分辨率挑战。学习型视频超分辨率(VSR)的常用缩放因子不超过 4 倍。在此范围内缺失信息可得到较好恢复,尤其在 HR 视频中,其高频内容主要由纹理细节构成。本挑战的任务是以 16 倍的极端因子对视频进行上采样,这导致更严重的退化,并影响视频的结构完整性。低分辨率(LR)域中的单个像素对应于高分辨率(HR)域中的 256 个像素。由于这种巨大的信息丢失,难以准确恢复缺失信息。赛道 1 旨在衡量此类艰巨任务的最先进水平,其中对真值的保真度由 PSNR 和 SSIM 度量。通过生成合理的高频内容,可在牺牲保真度的前提下获得感知上更高质量的结果。因此赛道 2 旨在生成视觉上令人愉悦的结果,并根据人类感知、通过用户研究进行评估排序。与单图像超分辨率(SISR)不同,VSR 可受益于时域中的附加信息。然而这也带来了额外要求,因为生成的帧需要在时间上保持一致。
引用
@article{arxiv.2009.06290,
title = {AIM 2020 Challenge on Video Extreme Super-Resolution: Methods and Results},
author = {Dario Fuoli and Zhiwu Huang and Shuhang Gu and Radu Timofte and Arnau Raventos and Aryan Esfandiari and Salah Karout and Xuan Xu and Xin Li and Xin Xiong and Jinge Wang and Pablo Navarrete Michelini and Wenhao Zhang and Dongyang Zhang and Hanwei Zhu and Dan Xia and Haoyu Chen and Jinjin Gu and Zhi Zhang and Tongtong Zhao and Shanshan Zhao and Kazutoshi Akita and Norimichi Ukita and Hrishikesh P S and Densen Puthussery and Jiji C},
journal= {arXiv preprint arXiv:2009.06290},
year = {2020}
}