MetaSCI：面向视频压缩感知的可扩展自适应重建
图像与视频处理
2021-03-03 v1 计算机视觉与模式识别
摘要
为使用二维探测器捕获高速视频，视频快照压缩成像（SCI）是一种颇具前景的系统，其中视频帧由不同掩模编码并压缩为一次快照测量。此后需要高效算法来重建高速帧，目前最优结果由深度学习网络取得。然而，这些网络通常针对特定小规模掩模训练，且往往对训练时间与 GPU 内存有较高需求，因而对新同尺寸掩模与更大规模掩模均缺乏灵活性。我们通过提出一种用于 SCI 重建的元调制卷积网络（MetaSCI）来应对这些挑战。MetaSCI 由针对不同掩模共享的骨干网络，以及轻量级元调制参数组成，后者可演化为各掩模对应的不同调制参数，从而具备对新掩模（或系统）快速适应及可扩展至大规模数据的特性。大量仿真与真实数据结果证明了我们所提方法的优越性能。我们的代码见 {\small\url{https://github.com/xyvirtualgroup/MetaSCI-CVPR2021}}。
引用
@article{arxiv.2103.01786,
title = {MetaSCI: Scalable and Adaptive Reconstruction for Video Compressive Sensing},
author = {Zhengjue Wang and Hao Zhang and Ziheng Cheng and Bo Chen and Xin Yuan},
journal= {arXiv preprint arXiv:2103.01786},
year = {2021}
}
备注
12 pages, 6 figures, CVPR 2021