面向高效时空视频超分辨率的尺度自适应特征聚合
计算机视觉与模式识别
2023-11-28 v3
摘要
时空视频超分辨率（STVSR）任务旨在通过同时执行视频帧插值（VFI）与视频超分辨率（VSR）来提升视频的视觉质量。然而，面对额外时间维度与尺度不一致的挑战，大多数现有 STVSR 方法在动态建模不同运动幅度时复杂且不灵活。在本工作中，我们发现选择合适的处理尺度在基于流的特征传播中带来显著收益。我们提出了一种新颖的尺度自适应特征聚合（SAFA）网络，其为每个样本自适应地选择具有不同处理尺度的子网络。在四个公开 STVSR 基准上的实验表明，SAFA 取得了最先进的性能。我们的 SAFA 网络在 PSNR 上比近期最先进方法（如 TMNet 和 VideoINR）平均提升超过 0.5dB，同时所需参数少于一半，且计算成本仅为 1/3。
引用
@article{arxiv.2310.17294,
title = {Scale-Adaptive Feature Aggregation for Efficient Space-Time Video Super-Resolution},
author = {Zhewei Huang and Ailin Huang and Xiaotao Hu and Chen Hu and Jun Xu and Shuchang Zhou},
journal= {arXiv preprint arXiv:2310.17294},
year = {2023}
}
备注
WACV2024, 16 pages