基于感知判别器的对抗训练压缩视频增强中习得深度超参数选择
图像与视频处理
2023-03-01 v1 人工智能
摘要
基于图像的深度特征质量度量(DFQM)已被证明比传统度量更能与主观感知评分相关联。这些DFQM的根本重点是利用来自大规模分类网络的内部表示作为度量特征空间。此前,尚未有人关注识别哪些层最具感知相关性的问题。在本文中,我们基于层行为的神经科学解释,提出了一种从此类网络中选择感知相关层的新方法。所选层被当作W-GAN中判别器网络的超参数。判别器在初步阶段利用这些层的输出提取感知信息。一个视频增强网络与该判别器进行对抗训练。我们的结果表明,将这些所选特征引入判别器,相较于其他未利用优化特征选择思想的判别器网络,性能提升高达10%(FID)和15%(KID)。
引用
@article{arxiv.2302.14516,
title = {Learnt Deep Hyperparameter selection in Adversarial Training for compressed video enhancement with perceptual critic},
author = {Darren Ramsook and Anil Kokaram},
journal= {arXiv preprint arXiv:2302.14516},
year = {2023}
}