学习长期保风格的盲视频时序一致性
计算机视觉与模式识别
2022-10-06 v1
摘要
当试图将图像训练的算法独立应用于视频连续帧时，往往出现有害的闪烁。旨在增进时序一致性的最先进后处理技术会产生其他时序伪影并从视觉上改变视频风格。我们提出一种对视频所施加变换（如风格迁移、使用 GAN 等的图像操控）不可知的后处理模型，其形式为循环神经网络。我们的模型使用近期为 GAN 视频生成引入的 Ping Pong 过程及其对应损失，以及一种新颖的保风格感知损失进行训练。前者改进长期时序一致性学习，后者促进风格保持。我们在 DAVIS 与 videvo.net 数据集上评估模型，表明我们的方法在闪烁去除上提供 SOTA（最先进）结果，且比先前方法更好地保持视频整体风格。
引用
@article{arxiv.2103.07278,
title = {Learning Long-Term Style-Preserving Blind Video Temporal Consistency},
author = {Hugo Thimonier and Julien Despois and Robin Kips and Matthieu Perrot},
journal= {arXiv preprint arXiv:2103.07278},
year = {2022}
}