GIF2Video：GIF 图像的颜色去量化与 temporal 插值
计算机视觉与模式识别
2019-04-10 v2
摘要
图形交换格式（GIF）是一种高度可移植的图形格式，在互联网上无处不在。尽管体积小，GIF 图像常包含不良视觉伪影，如平坦色块、虚假轮廓、色偏和点状图案。在本文中，我们提出 GIF2Video，第一种基于学习的用于增强真实场景下 GIF 视觉质量的方法。我们聚焦于通过恢复 GIF 生成三步中丢失的信息来实现具有挑战性的 GIF 复原任务：帧采样、颜色量化和颜色抖动。我们首先提出一种新颖的 CNN 架构用于颜色去量化。它构建于用于多步颜色校正的组合架构之上，并配有为处理大量化误差而设计的综合损失函数。我们随后调整 SuperSlomo 网络用于 GIF 帧的 temporal 插值。我们引入两个大型数据集，即 GIF-Faces 和 GIF-Moments，用于训练和评估。实验结果表明，我们的方法能显著提升 GIF 的视觉质量，并优于直接基线与 SOTA 方法。
引用
@article{arxiv.1901.02840,
title = {GIF2Video: Color Dequantization and Temporal Interpolation of GIF images},
author = {Yang Wang and Haibin Huang and Chuan Wang and Tong He and Jue Wang and Minh Hoai},
journal= {arXiv preprint arXiv:1901.02840},
year = {2019}
}
备注
to appear in CVPR 2019