用于压缩伪影去除与超分辨率的高效神经网络
计算机视觉与模式识别
2024-01-29 v1 图像与视频处理
摘要
视频质量在用户流式传输时可能会因互联网速度受限而受损。当比特率降低以匹配可用带宽时，压缩伪影开始出现。现有算法要么专注于在相同视频分辨率下去除压缩伪影，要么专注于提升视频分辨率但不去除伪影。仅进行超分辨率的方法默认会连同细节一起放大伪影。我们提出了一种基于轻量级卷积神经网络（CNN）的算法，通过增强特征提取层并设计定制训练数据集，同时执行伪影去除和超分辨率（ARSR）。该神经网络的输出在使用可变比特率（VBR）编码的低比特率压缩测试流上进行了评估。与传统的插值上采样方法（如Lanczos或双三次插值）相比，输出视频质量在视频多方法评估融合（VMAF）分数上显示出4-6分的提升。
引用
@article{arxiv.2401.14641,
title = {Super Efficient Neural Network for Compression Artifacts Reduction and Super Resolution},
author = {Wen Ma and Qiuwen Lou and Arman Kazemi and Julian Faraone and Tariq Afzal},
journal= {arXiv preprint arXiv:2401.14641},
year = {2024}
}