DeepRemaster：用于全面视频增强的时间源-参考注意力网络
计算机视觉与模式识别
2020-09-21 v1 图形学
摘要
老电影的重制包含多种子任务，包括超分辨率、去噪和对比度增强，旨在将退化的胶片介质恢复到原始状态。此外，由于当时的技术限制，大多数老电影要么为黑白录制，要么色彩质量低下，因此着色成为必要。在这项工作中，我们提出了一个半交互式的单一框架来处理整个重制任务。我们的工作基于具有注意力机制的时间卷积神经网络，并在通过数据驱动退化模拟得到的视频上训练。我们提出的源-参考注意力使模型能够处理任意数量的参考彩色图像，从而在不需分割的情况下为长视频着色，同时保持时间一致性。定量分析和现有方法，我们的框架性能随视频变长和参考彩色图像增多而提升。
引用
@article{arxiv.2009.08692,
title = {DeepRemaster: Temporal Source-Reference Attention Networks for Comprehensive Video Enhancement},
author = {Satoshi Iizuka and Edgar Simo-Serra},
journal= {arXiv preprint arXiv:2009.08692},
year = {2020}
}
备注
Accepted to SIGGRAPH Asia 2019. Project page: http://iizuka.cs.tsukuba.ac.jp/projects/remastering/