DeepMag：基于梯度上升的源特定运动放大

许多重要的物理现象涉及难以用裸眼观察的细微信号，但将其可视化可提供丰富信息。当前的运动放大技术可揭示视频中这些微小的时间变化，但需要关于目标信号的精确先验知识，且无法处理相似频率的干扰运动。我们提出 DeepMag，一种基于梯度上升的端到端深度神经视频处理框架，能够自动放大来自特定来源的细微颜色和运动信号，即使在存在各种速度的大运动情况下。尽管该方法具有泛化性，DeepMag 的优势通过基于视频的生理可视化任务得以凸显。通过对具有不同头部运动水平的视频进行系统的定量与定性评估，我们将脉搏和呼吸的放大与现有最先进方法进行比较。我们的方法在将生理变化放大相似程度的同时，产生的放大视频伪影和模糊明显更少。