用于视频超分辨率的可变形三维卷积
计算机视觉与模式识别
2021-11-29 v5
摘要
视频序列中的时空信息对视频超分辨率（SR）具有重要意义。然而，由于空间特征提取与时间运动补偿通常是顺序执行的，现有视频 SR 方法无法充分利用时空信息。在本文中，我们提出一种可变形三维卷积网络（D3Dnet），从空间和时间维度融合时空信息用于视频 SR。具体而言，我们引入可变形三维卷积（D3D），将可变形卷积与三维卷积相结合，兼具优越的时空建模能力与运动感知建模灵活性。大量实验证明了 D3D 在利用时空信息方面的有效性。对比结果表明，我们的网络取得了最先进的 SR 性能。代码见：https://github.com/XinyiYing/D3Dnet。
引用
@article{arxiv.2004.02803,
title = {Deformable 3D Convolution for Video Super-Resolution},
author = {Xinyi Ying and Longguang Wang and Yingqian Wang and Weidong Sheng and Wei An and Yulan Guo},
journal= {arXiv preprint arXiv:2004.02803},
year = {2021}
}
备注
Accepted by IEEE Signal Processing Letters