基于块时间冗余优化的视频超分辨率增强
计算机视觉与模式识别
2022-09-28 v3
摘要
现有视频超分辨率（VSR）算法的成功主要源于利用相邻帧的时间信息。然而，这些方法均未讨论具有静止物体与背景的块中时间冗余的影响，且通常不加区分地使用相邻帧中的所有信息。本文中，我们观察到时间冗余会给信息传播带来不利影响，限制了大多数现有 VSR 方法的性能。受此观察启发，我们旨在通过以优化方式处理时间冗余块来改进现有 VSR 算法。我们开发了两种简单而有效的即插即用方法，以在广泛使用的公开视频上提升现有基于局部与非局部传播的 VSR 算法的性能。为更全面地评估现有 VSR 算法的鲁棒性与性能，我们还收集了一个包含多种公开视频作为测试集的新数据集。大量评估表明，所提方法能显著提升现有 VSR 方法在野外场景收集视频上的性能，同时保持其在现有常用数据集上的表现。代码见 https://github.com/HYHsimon/Boosted-VSR。
引用
@article{arxiv.2207.08674,
title = {Boosting Video Super Resolution with Patch-Based Temporal Redundancy Optimization},
author = {Yuhao Huang and Hang Dong and Jinshan Pan and Chao Zhu and Yu Guo and Ding Liu and Lean Fu and Fei Wang},
journal= {arXiv preprint arXiv:2207.08674},
year = {2022}
}