基于多级小波的生成对抗网络用于压缩视频感知质量增强
图像与视频处理
2020-08-04 v1 计算机视觉与模式识别
摘要
过去几年见证了通过深度学习进行视频质量增强的快速发展。现有方法主要关注增强压缩视频的客观质量，而忽略了其感知质量。本文中，我们专注于增强压缩视频的感知质量。我们的主要观察是，增强感知质量主要依赖于恢复小波域中的高频子带。据此，我们提出了一种基于多级小波包变换 (WPT) 的新型生成对抗网络 (GAN) 来增强压缩视频的感知质量，称为基于多级小波的 GAN (MW-GAN)。在 MW-GAN 中，我们首先采用带金字塔架构的运动补偿来获取时间信息。然后，我们提出一个带有小波密集残差块 (WDRB) 的小波重建网络来恢复高频细节。此外，MW-GAN 的对抗损失通过 WPT 加入，以进一步促进视频帧的高频细节恢复。实验结果证明了我们方法的优越性。
引用
@article{arxiv.2008.00499,
title = {Multi-level Wavelet-based Generative Adversarial Network for Perceptual Quality Enhancement of Compressed Video},
author = {Jianyi Wang and Xin Deng and Mai Xu and Congyong Chen and Yuhang Song},
journal= {arXiv preprint arXiv:2008.00499},
year = {2020}
}