深度盲视频超分辨率
计算机视觉与模式识别
2020-03-11 v1
摘要
现有视频超分辨率（SR）算法通常假设退化过程中的模糊核已知，且在复原中不对模糊核建模。然而，该假设对视频 SR 并不成立，并通常导致过度平滑的超分辨图像。本文中，我们提出一种深度卷积神经网络（CNN）模型，通过模糊核建模方法解决视频 SR。所提深度 CNN 模型由运动模糊估计、运动估计与潜在图像复原模块组成。运动模糊估计模块用于提供可靠的模糊核。利用估计的模糊核，我们基于视频 SR 的图像形成模型发展了一种图像去卷积方法以生成中间潜在图像，从而可较好恢复部分清晰图像内容。然而，生成的中间潜在图像可能含伪影。为生成高质量图像，我们使用运动估计模块挖掘相邻帧信息，其中运动估计可约束深度 CNN 模型以获得更好的图像复原。我们表明所提算法能够生成具有更精细结构细节的更清晰图像。大量实验结果表明，所提算法优于当前最优（state-of-the-art）方法。
引用
@article{arxiv.2003.04716,
title = {Deep Blind Video Super-resolution},
author = {Jinshan Pan and Songsheng Cheng and Jiawei Zhang and Jinhui Tang},
journal= {arXiv preprint arXiv:2003.04716},
year = {2020}
}