用于学习型分数下采样的卷积块设计
图像与视频处理
2021-05-24 v1 多媒体
摘要
卷积神经网络(CNNs)的层可用于改变其输入的分辨率，但缩放因子仅限于整数值。然而，在许多图像和视频处理应用中，按分数因子调整大小将是有利的。一个例子是视频压缩标准化分辨率之间的转换，例如从1080p到720p。为解决此问题，我们提出了一种替代构建块，表述为常规卷积层后接可微分缩放器。更具体地，卷积层保持输入分辨率，而缩放操作完全由缩放器处理。以此方式，任何CNN架构都可适用于非整数缩放。作为一个应用，我们将一种现代深度下采样模型的缩放卷积层替换为所提出的构建块，并将其应用于自适应码率视频流场景。我们的实验结果表明，在测试视频上，就PSNR、SSIM和VMAF而言，相比传统Lanczos算法获得了编码效率的提升。
引用
@article{arxiv.2105.09999,
title = {Convolutional Block Design for Learned Fractional Downsampling},
author = {Li-Heng Chen and Christos G. Bampis and Zhi Li and Chao Chen and Alan C. Bovik},
journal= {arXiv preprint arXiv:2105.09999},
year = {2021}
}
备注
4 pages conference paper