ICCVMay, 2020

AIM 2019 超时间视频超分辨率挑战：方法和结果

PDF
TL;DR本文回顾了第一届 AIM 视频时间超分辨率（帧插值）挑战赛，并重点介绍了提出的解决方案和结果。该竞赛在涉及各种类型和强度的运动的 15 fps 视频序列中，要求挑战者通过估计中间帧提供更高帧率（60 fps）的视频序列。使用从手持相机中捕获的各种视频制成的 REDS VTSR 数据集进行培训和评估。在竞争中，有 62 位注册参与者，有 8 个团队参加了最终的测试阶段。挑战获胜方法达到了视频时间超分辨率的最高水平。
发现论文，激发创造
  • AIM 2020 挑战赛：视频时间超分辨率

    本研究报告了第二届 AIM 挑战赛的视频时间超分辨率（VTSR），旨在提高低帧率 15 fps 视频的帧率至 30 fps 或 60 fps，采用手持相机捕获的各种视频进行培训和评估，竞赛获胜者采用改进的二次视频插值方法，在 VTSR 任务上实现了最高水平。

    Sep, 2020

  • NTIRE 2021 视频超分辨率挑战赛

    本论文回顾了 NTIRE 2021 年的超分辨率视频挑战赛，共 247 个和 223 个参赛者参加了赛事，14 个团队在每个赛道上竞争，以在视频 SR 任务中实现最先进的表现。主要关键词有超分辨率，计算机视觉，视频，NTIRE 2021 年挑战赛和恢复质量。

    Apr, 2021

  • AIM 2020 高效超分辨率挑战：方法与结果

    本文回顾了 AIM 2020 挑战赛中关于高效单图像超分辨率的提出的解决方案和结果，挑战任务是基于一组低分辨率图像和相应的高分辨率图像的先前实例对输入图像进行 4 倍放大的超分辨率，目标是确保至少保持 MSRResNet 的 PSNR 的同时降低如运行时间、参数计数、活动、内存消耗等一些方面，同时至少降低一个或多个方面，该挑战共有 150 个注册参与者，25 个团队提交了最终结果，本文总结了高效单图像超分辨率的最新进展。

    Sep, 2020

  • 通过交替优化实现可解释的视频超分辨率

    本文提出了一种可行的空时视频超分辨率（STVSR）框架，以解决鲁棒的视频采集中模糊、模糊和低分辨率等挑战，提供优异的定量测量和视觉质量表现。

    Jul, 2022

  • 快速准确的一阶空时视频超分辨率：缩放慢动作

    本文提出了一个一阶段时空视频超分辨率框架，该框架通过特征时间插值网络进行局部时间上下文的丢失 LR 视频帧，然后提出了一个可变形 ConvLSTM 来对齐和聚合全局时空信息，并最终采用深度重建网络预测 HR 慢动作视频帧。经实验证明，该方法不仅实现了更好的定量和定性性能，而且比最近的两阶段最先进方法 (DAIN + EDVR 和 DAIN + RBPN) 更快三倍以上。

    Feb, 2020

  • AIM 2019 实景图像超分辨率挑战：方法和结果

    本文评估了 AIM 2019 关于真实世界中的超分辨率的挑战，着重于参与方法和最终结果，对源域和目标域的图像进行超分辨率处理，挑战了真实世界中缺少高低分辨率图像对训练的数据，并构造了一些现实的图像退化用于源输入图像及量化评估.

    Nov, 2019

  • AIM 2019 有约束超分辨率挑战：方法与结果

    本文回顾了 AIM 2019 关于基于约束的单张图像超分辨率的挑战，主要关注提出的解决方案和结果，挑战有三个轨道，每个轨道都有数十个参与者，评估了单张图像超分辨率领域的最新技术水平。

    Nov, 2019

  • 基于时间组注意力的视频超分辨率

    本文提出了一种新颖的视频超分辨率方法，利用分层式的时间信息和注意力机制，在处理大幅运动的视频中具有较好的性能表现。

    Jul, 2020

  • FISR：具有多尺度时间损失的深度联合帧插值和超分辨率

    本文提出了一个联合 VFI 和 SR 的框架，用于将 2K 30fps 的视频升级到 4K 60fps。其中，采用了一种新颖的训练方案，该方案使用多尺度时间损失对输入视频序列进行时间规范化，可以应用于任何一般的视频相关任务。通过大量实验对所提出的结构进行了深入研究。

    Dec, 2019

  • 跨尺度和跨维度：使用深度内部学习进行时间超分辨率

    本文提出了一种基于 Deep Internal Learning 的 Temporal Super-Resolution 方法，利用小空间时间片段内部的强烈重复性，从而在不使用任何其他数据集的情况下，实现了复杂视频的零成本 Temporal Super-Resolution，有效消除运动模糊和运动混叠效果，并超越了以往依赖于外部数据集进行训练的监督方法。

    Mar, 2020