在判别空间中学习损失函数用于视频复原
图像与视频处理
2020-03-23 v1 计算机视觉与模式识别
摘要
随着更先进的深度网络架构和诸如 GAN 等学习方案的出现,视频复原算法的性能近来已大幅提升。与此同时,用于优化深度神经网络的损失函数则相对 unchanged。为此,我们提出一种新的框架,通过针对特定视频复原任务学习一个判别空间来构建有效的损失函数。我们的框架类似于 GAN,即迭代地训练两个网络——一个生成器和一个损失网络。生成器以监督方式,通过在损失网络学到的判别空间中进行特征匹配来遵循真值特征,从而学习复原视频。此外,我们还引入了一种新的关系损失,以维持输出视频的时间一致性。在视频超分辨率和去模糊上的实验表明,与其他最先进的方法相比,我们的方法生成的视频在视觉上更令人满意,且具备更好的定量感知度量值。
引用
@article{arxiv.2003.09124,
title = {Learning the Loss Functions in a Discriminative Space for Video Restoration},
author = {Younghyun Jo and Jaeyeon Kang and Seoung Wug Oh and Seonghyeon Nam and Peter Vajda and Seon Joo Kim},
journal= {arXiv preprint arXiv:2003.09124},
year = {2020}
}
备注
24 pages