用于视频压缩感知的深度全连接网络
计算机视觉与模式识别
2017-12-19 v2 机器学习
多媒体
摘要
在这项工作中，我们提出了一种用于视频压缩感知的深度学习框架。所提出的公式化方法能够在几秒内恢复视频帧，且相比先前方法重建质量显著提升。我们的研究首先学习视频序列与对应测量帧之间的线性映射，其结果表明能提供有前景的结果。随后我们将线性公式扩展至深度全连接网络，并利用更深架构探索性能增益。我们的分析始终由所提框架在现有压缩视频架构上的适用性所驱动。在多个视频序列上的大量仿真从定量和定性两方面证明了我们方法的优越性。最后，我们的分析提供了关于数据集大小和层数如何影响重建性能的见解，同时提出了若干未来研究点。代码可在Github获取：https://github.com/miliadis/DeepVideoCS
引用
@article{arxiv.1603.04930,
title = {Deep Fully-Connected Networks for Video Compressive Sensing},
author = {Michael Iliadis and Leonidas Spinoulas and Aggelos K. Katsaggelos},
journal= {arXiv preprint arXiv:1603.04930},
year = {2017}
}
备注
14 pages, to appear in Elsevier Digital Signal Processing