AnimeSR：面向动画视频的实拍超分辨率模型学习
计算机视觉与模式识别
2023-01-18 v3 人工智能
摘要
本文研究动画视频的实拍视频超分辨率（VSR）问题，并揭示了实用的动画 VSR 的三个关键改进。首先，近期的实拍超分辨率方法通常依赖于使用无学习能力的基础算子（如模糊、噪声和压缩）进行退化仿真。在本工作中，我们提出从真实的低质量动画视频中学习此类基础算子，并将学习到的算子纳入退化生成流程。这种基于神经网络的基础算子有助于更好地捕捉真实退化的分布。其次，我们构建了一个大规模高质量动画视频数据集 AVC，以促进动画 VSR 的全面训练与评估。第三，我们进一步研究了一种高效的多尺度网络结构。它利用了单向循环网络的高效性与基于滑动窗口方法的有效性。得益于上述精细设计，我们的方法 AnimeSR 能够高效且有效地复原实拍低质量动画视频，取得优于以往 SOTA 方法的性能。代码与模型已发布于 https://github.com/TencentARC/AnimeSR。
引用
@article{arxiv.2206.07038,
title = {AnimeSR: Learning Real-World Super-Resolution Models for Animation Videos},
author = {Yanze Wu and Xintao Wang and Gen Li and Ying Shan},
journal= {arXiv preprint arXiv:2206.07038},
year = {2023}
}
备注
NeurIPS 2022. Codes and models are available at https://github.com/TencentARC/AnimeSR