改进视频超分辨率生成对抗网络
图像与视频处理
2024-06-25 v1 计算机视觉与模式识别
摘要
在本研究中，我们探索了不同方法以改进用于视频超分辨率任务的生成对抗网络，这些方法基于基本单张图像超分辨率GAN模型。我们的主要目标是识别能够增强这些模型的潜在技术，并分析这些技术中哪些技术能产生最显著的改进。我们使用峰值信噪比（PSNR）和结构相似性指数（SSIM）评估结果。我们的发现表明，最有效的技术包括时间平滑、长短期记忆（LSTM）层和时间损失函数。这些方法的集成比基线视频超分辨率生成对抗网络（GAN）模型实现了约11.97%的PSNR改进和8%的SSIM改进。这一显著的改进表明具有潜在的进一步应用以增强当前的SOTA模型。
引用
@article{arxiv.2406.16359,
title = {Improving Generative Adversarial Networks for Video Super-Resolution},
author = {Daniel Wen},
journal= {arXiv preprint arXiv:2406.16359},
year = {2024}
}