基于轻量级运动补偿的实时视频去模糊
计算机视觉与模式识别
2022-12-02 v4
摘要
尽管运动补偿大幅提升了视频去模糊质量，但将运动补偿与视频去模糊分开执行会带来巨大的计算开销。本文提出一种实时视频去模糊框架，其由一个轻量级多任务单元组成，该单元以高效方式同时支持视频去模糊与运动补偿。该多任务单元专门设计用于通过单一共享网络处理两项任务的大部分工作，并由一个多任务细节网络以及用于去模糊和运动补偿的简单网络构成。该多任务单元最小化了将运动补偿引入视频去模糊的成本，并实现了实时去模糊。此外，通过堆叠多个多任务单元，我们的框架在成本与去模糊质量之间提供了灵活调控。我们通过实验验证了本方法具有最先进的去模糊质量，其运行速度远快于以往方法，并展示了实用的实时性能（在 DVD 数据集中测得 30.99dB@30fps）。
引用
@article{arxiv.2205.12634,
title = {Real-Time Video Deblurring via Lightweight Motion Compensation},
author = {Hyeongseok Son and Junyong Lee and Sunghyun Cho and Seungyong Lee},
journal= {arXiv preprint arXiv:2205.12634},
year = {2022}
}
备注
Computer Graphics Forum (special issue on Pacific Graphics 2022), 2022; Equal contribution from the first two authors