W-Cell-Net：细胞显微镜视频的多帧插值
图像与视频处理
2020-05-15 v1 计算机视觉与模式识别
机器学习
摘要
深度神经网络正日益用于视频帧插值任务，如帧率变换以及生成伪造人脸视频。我们的项目旨在将深度视频插值的最新进展应用于提高荧光显微镜延时影像的时间分辨率。据我们所知，此前尚无利用卷积神经网络（CNN）在两幅连续显微镜图像之间生成帧的工作。我们提出了一种全卷积自编码器网络，以两幅图像为输入并生成最多七幅中间图像。我们的架构具有两个编码器，每个编码器通过跳跃连接至单一解码器。我们评估了几种在网络架构与损失函数上不同的模型变体的性能。我们的最佳模型优于当前最先进的视频帧插值算法。我们还展示了与最先进视频帧插值算法的定性与定量比较。我们相信深度视频插值代表了一种提升荧光显微镜时间分辨率的新方法。
引用
@article{arxiv.2005.06684,
title = {W-Cell-Net: Multi-frame Interpolation of Cellular Microscopy Videos},
author = {Rohit Saha and Abenezer Teklemariam and Ian Hsu and Alan M. Moses},
journal= {arXiv preprint arXiv:2005.06684},
year = {2020}
}