CPGA：用于压缩视频质量增强的编码先验引导聚合网络
图像与视频处理
2024-11-21 v2 计算机视觉与模式识别
摘要
近期，许多方法在压缩视频质量增强（VQE）方面取得了显著成功。然而，这些方法通常忽略了对压缩视频中固有的宝贵编码先验的利用，例如携带丰富时空信息的运动矢量和残差帧。为弥补这一问题，我们提出了编码先验引导聚合（CPGA）网络，以利用编码先验中的时空信息。CPGA 主要由帧间时序聚合（ITA）模块和多尺度非局部聚合（MNA）模块组成。具体而言，ITA 模块聚合连续帧与编码先验中的时序信息，而 MNA 模块在残差帧的引导下全局捕获空间信息。此外，为了促进 VQE 任务的研究，我们新构建了视频编码先验（VCP）数据集，包含从相应比特流中提取的具有各种编码先验的 300 个视频。这弥补了以往数据集缺乏编码信息的不足。实验结果表明，与现有 SOTA 方法相比，我们的方法具有优越性。代码和数据集将发布于 https://github.com/VQE-CPGA/CPGA.git 。
引用
@article{arxiv.2403.10362,
title = {CPGA: Coding Priors-Guided Aggregation Network for Compressed Video Quality Enhancement},
author = {Qiang Zhu and Jinhua Hao and Yukang Ding and Yu Liu and Qiao Mo and Ming Sun and Chao Zhou and Shuyuan Zhu},
journal= {arXiv preprint arXiv:2403.10362},
year = {2024}
}
备注
11 pages, 8 figures, 6 tables