StableNet：半在线多尺度深度视频稳定
计算机视觉与模式识别
2019-07-25 v1 图像与视频处理
摘要
随着不可避免地产生带有不期望抖动运动视频的手持设备的普及，视频稳定算法如今变得愈发重要。在本文中，我们提出了一种数据驱动的在线视频稳定方法以及用于深度学习的配对数据集。该网络以多尺度方式从低分辨率到高分辨率逐步处理每个不稳定帧，然后输出仿射变换以稳定该帧。与需要显式特征跟踪或光流估计的传统方法不同，底层的稳定过程是从训练数据中隐式学习的，并且稳定过程可以在线完成。由于可用的公共视频稳定数据集有限，我们合成了具有不同程度抖动以模拟现实相机运动的不稳定视频。实验表明，我们的方法能够在几个不稳定样本上优于其他稳定方法，同时在总体上保持可比性。此外，我们的方法在复杂内容上进行了测试，发现即使未在这些内容上进行显式训练，也足够稳健以在一定程度上抑制这些样本的抖动。
引用
@article{arxiv.1907.10283,
title = {StableNet: Semi-Online, Multi-Scale Deep Video Stabilization},
author = {Chia-Hung Huang and Hang Yin and Yu-Wing Tai and Chi-Keung Tang},
journal= {arXiv preprint arXiv:1907.10283},
year = {2019}
}
备注
Chia-Hung and Hang have equal contribution