DCNGAN：一种基于可变形卷积且适应量化参数的 GAN 用于压缩视频感知质量增强
图像与视频处理
2022-01-31 v3 计算机视觉与模式识别
多媒体
摘要
本文提出一种基于可变形卷积的生成对抗网络（DCNGAN），用于压缩视频的感知质量增强。DCNGAN 还可适应量化参数（QPs）。与光流相比，可变形卷积在帧对齐上更有效且更高效。可变形卷积可作用于多帧，从而利用更多时间信息，有利于增强压缩视频的感知质量。不同于成对对齐帧，可变形卷积可同时处理多帧，从而降低了计算复杂度。实验结果表明，所提出的 DCNGAN 优于其他最先进的压缩视频质量增强算法。
引用
@article{arxiv.2201.08944,
title = {DCNGAN: A Deformable Convolutional-Based GAN with QP Adaptation for Perceptual Quality Enhancement of Compressed Video},
author = {Saiping Zhang and Luis Herranz and Marta Mrak and Marc Gorriz Blanch and Shuai Wan and Fuzheng Yang},
journal= {arXiv preprint arXiv:2201.08944},
year = {2022}
}
备注
5 pages, 4 figures