基于深度视频先验的盲视频时域一致性方法
计算机视觉与模式识别
2020-10-23 v1
摘要
将图像处理算法独立应用于每个视频帧通常会导致结果视频的时域不一致。为解决此问题，我们提出了一种新颖且通用的盲视频时域一致性方法。我们的方法仅直接在原始视频与处理后视频对上进行训练，而非使用大型数据集。与多数先前利用光流强制时域一致性的方法不同，我们表明通过以深度视频先验在视频上训练卷积网络即可实现时域一致性。此外，提出了一种精心设计的迭代重加权训练策略来解决具有挑战性的多模态不一致问题。我们在视频上的 7 项计算机视觉任务中展示了方法的有效性。大量定量与感知实验表明，我们的方法在盲视频时域一致性上取得了优于最先进方法的性能。我们的源代码公开于 github.com/ChenyangLEI/deep-video-prior。
引用
@article{arxiv.2010.11838,
title = {Blind Video Temporal Consistency via Deep Video Prior},
author = {Chenyang Lei and Yazhou Xing and Qifeng Chen},
journal= {arXiv preprint arXiv:2010.11838},
year = {2020}
}
备注
NeurIPS 2020; github link: github.com/ChenyangLEI/deep-video-prior