通过迭代优化学习的方法,我们提出了一种基于合成数据集的视频稳定化方法,其中包括两个交互子模块:运动轨迹平滑和全帧修复。我们将视频稳定化问题转化为减少运动轨迹中颤动的数量的问题,并通过固定点理论保证收敛性,从而在计算速度和视觉质量上实现了突出的优势。
Jul, 2023
本研究提出了一种帧综合算法实现了全帧视频稳定,该方法通过估计密集的变形场,并通过融合变形内容生成稳定的帧,该方法通过基于学习的混合空间融合减轻了由光流不精确和快速移动物体导致的伪影,并通过 NUS、自拍和 DeepStab 视频数据集验证了该方法的有效性,实验结果表明其优于先前的视频稳定方法。
Feb, 2021
该研究提出了一种通过探索深度信息来明确检测遮挡的视频帧插值方法,其中利用深度感知流投影层来合成中间流动图像,并且通过分类学习来收集周边像素的上下文信息,实现了输入帧、深度图和像素之间的变换以实现帧合成。
Apr, 2019
通过采用测试时间自适应方法,我们提出了一种新颖的方法来提升视频稳定的像素级合成解决方案的性能,该方法利用低级视觉线索改善结果视频的稳定性和质量,通过元学习技术显著提高了稳定性,仅需一个自适应步骤。该算法在实际场景中提高了各种像素级合成模型用于视频稳定的性能。
Mar, 2024
通过使用一个深度卷积神经网络,将视频帧的插值过程作为一个单一卷积过程来处理,可以更好地解决运动估计质量的问题,并且能够优雅地处理一些挑战如遮挡,模糊和亮度变化,从而实现高质量的视频帧插值。
Mar, 2017
本文提出了一种使用一对一维卷积核将视频帧插值建模为本地可分离卷积的方法,使用深度卷积神经网络对图像特征进行训练,从而实现了高质量的视频帧插值,无需人工标注。
Aug, 2017
本研究提出了一种模糊视频帧插值方法,通过金字塔模块和内部循环递推模块实现一定程度上同时减少运动模糊和提高帧率。实验证明,该方法在影像增强方面表现优异。
Feb, 2020
这篇论文提出了一个简单的端到端三阶段框架,以从模糊视频中充分提取有用信息,解决了模糊视频帧插值的挑战性问题,并在多个实验结果中展示了其有效性。
Oct, 2023
本论文提出了一种基于广义可变形卷积的新的视频帧插值方法,该方法可以学习运动信息并自由选择时空采样点,经过广泛的实验证明,该方法在处理复杂运动时表现出类似于最先进技术的性能。
Aug, 2020
本研究介绍了一种有效的视频帧插值框架,通过采用深度卷积和创新的高清增强策略,实现了对视频帧处理效能和质量的平衡。
Apr, 2024