用于压缩视频质量增强的有效信息引导网络
计算机视觉与模式识别
2023-03-02 v1 多媒体
摘要
近年来深度学习方法在压缩视频质量增强任务中展现出巨大优越性。现有方法通常以原始视频作为真值，并从含各类伪影的连续帧中提取实用信息。然而，它们未充分利用压缩与原始视频的有效信息来引导压缩视频的质量增强。本文中，我们提出一种独特的有效信息引导方案（VIG），通过从压缩视频和原始视频中挖掘有效信息来增强压缩视频质量。具体地，我们提出一个高效框架——压缩冗余滤波（CRF）网络，以平衡速度与增强效果。在通过滤波信息去除冗余后，CRF 可利用压缩视频的有效信息重建纹理。此外，我们提出一种渐进式真值引导蒸馏（TGD）策略，其无需设计额外的教师模型与蒸馏损失函数。仅以真值作为输入引导模型聚合原始帧间正确的时空对应，TGD 可在不增加额外训练成本的情况下显著提升增强效果。大量实验表明，我们的方法在精度与效率上达到了压缩视频质量增强的 SOTA 性能。
引用
@article{arxiv.2303.00520,
title = {Valid Information Guidance Network for Compressed Video Quality Enhancement},
author = {Xuan Sun and Ziyue Zhang and Guannan Chen and Dan Zhu},
journal= {arXiv preprint arXiv:2303.00520},
year = {2023}
}