基于层次化频率上采样与精炼的压缩视频质量增强
图像与视频处理
2024-03-19 v1 计算机视觉与模式识别
摘要
视频压缩伪影源于频域中的量化操作。视频质量增强的目标是减少压缩伪影并重建视觉上令人愉悦的结果。在这项工作中，我们提出了一种用于压缩视频质量增强的层次化频率上采样与精炼神经网络（HFUR）。HFUR 由两个模块组成：隐式频率上采样模块（ImpFreqUp）和层次化迭代精炼模块（HIR）。ImpFreqUp 利用通过隐式 DCT 变换导出的 DCT 域先验，并通过从粗到细的传递精确重建 DCT 域损失。随后，引入 HIR 以促进尺度间的交叉协作与信息补偿，从而进一步精炼特征图并提升最终输出的视觉质量。我们通过消融实验和可视化结果证明了所提模块的有效性。在公开基准上的大量实验表明，HFUR 在恒定比特率和恒定 QP 模式下均达到了最先进的性能。
引用
@article{arxiv.2403.11556,
title = {Hierarchical Frequency-based Upsampling and Refining for Compressed Video Quality Enhancement},
author = {Qianyu Zhang and Bolun Zheng and Xinying Chen and Quan Chen and Zhunjie Zhu and Canjin Wang and Zongpeng Li and Chengang Yan},
journal= {arXiv preprint arXiv:2403.11556},
year = {2024}
}