CVPRJul, 2020
基于时间组注意力的视频超分辨率
Video Super-resolution with Temporal Group Attention
Takashi Isobe, Songjiang Li, Xu Jia, Shanxin Yuan, Gregory Slabaugh...
TL;DR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。
Abstract
video super-resolution, which aims at producing a high-resolution video from
its corresponding low-resolution version, has recently drawn increasing
attention. In this work, we propose a novel method that can effectively
incorporate →
发现论文,激发创造
带有循环结构细节网络的视频超分辨率
提出了一种基于循环的视频超分辨率方法,该方法有效地利用了前一帧的信息来超分辨率当前帧,包括两个流结构 - 细节块和隐状态适应模块,并在基准数据集上优于最先进的方法。
Aug, 2020
学习轨迹感知的视频超分辨率转换器
本研究提出了一种基于轨迹感知 Transformer 的视频超分辨率方法,利用空间和时间的信息来实现视频帧的超分辨率,实验证明该方法优于现有的超分辨率模型。
Apr, 2022
时空视频超分辨率与神经算子
通过引入物理信息的神经网络,本文提出了解决空时视频超分辨率问题的方法,该方法能够准确处理大运动中的运动估计和运动补偿问题,并在固定大小和连续空时视频超分辨率任务中超过同类技术。
Apr, 2024
具有掩码内外帧关注的视频超分辨率 Transformer
通过提出一种新颖的特征级遮蔽处理框架 MIA-VSR,本文解决了 Vision Transformer 在受限设备上应用的计算负担和内存占用过大的问题,并通过详细的消融研究验证了方法的有效性和与最新技术的比较结果。
Jan, 2024
时空感知多分辨率视频增强
本文提出了一个名为 STARnet 的模型,旨在通过同时提高空间分辨率和插值帧率来解决空时超分辨率问题,并利用时间和空间之间相互信息关系的优势,提供更加准确的运动信息和像素对齐。该模型能够有效提高空时、空间和时间视频超分辨率的性能。
Mar, 2020
VideoGigaGAN: 面向富有丰富细节的视频超分辨率
VideoGigaGAN 是一种新的生成 VSR 模型,能够产生具有高频细节和时间一致性的视频。该模型通过引入几个关键技术来显著改善视频上采样的时间一致性,与先前的 VSR 方法不同,VideoGigaGAN 生成具有更精细外观细节的时间一致视频。
Apr, 2024