ECCVJul, 2020

MuCAN：面向视频超分辨率的多重对应聚合网络

PDF
TL;DR利用过去的多个帧重建高清视频的方法叫做视频超分辨率技术，但现有的方法无法有效利用自相似和相似模式间的关系，因此我们提出了一种新的多对多和非局部多对多聚合策略，建立了一个称为 MuCAN 的网络来解决这个问题，实现了最先进的结果。
video super-resolutiontemporal multi-correspondence aggregationcross-scale nonlocal-correspondence aggregationmucanstate-of-the-art results
发现论文，激发创造
  • 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

  • 运动自适应反馈单元的视频人脸超分辨率

    本文提出了一个名为运动自适应反馈单元（MAFC）的具有简单但高效的特点的模块，可以有效地捕获运动补偿并将其自适应地反馈给网络。通过实验证明，所提出的框架在复杂运动场景下可以获得更好的性能，并比目前最先进的方法表现更优秀。

    Feb, 2020

  • 双子网和多级通讯上采样的大运动视频超分辨率

    本文提出了一种新型的深度学习神经网络算法，在视频超分辨重建中优化运动信息处理和利用，解决了普通算法在处理大运动时可能出现的不连贯结果或者伪影问题，同时改良了局部空间特征提取和显式运动估计技术，获得了比现有方法更优秀的效果。

    Mar, 2021

  • SAM 是否有助于视频超分辨率？

    使用 Segment Anything Model 为基础的语义感知的先验知识，通过 SAM-guidEd refineMent 模块 (SEEM) 来提高视频超分辨率效果，并在 EDVR 和 BasicVSR 等现有方法中都得到了一致的提升，同时提高了性能与参数数量平衡调整的灵活性。

    May, 2023

  • 视频超分辨率的时间建模再思考

    本文提出了一种新颖的循环残差网络模型用于视频超分辨率，该模型相比于其他几种建模方法具有更高的计算效率和更好的超分辨率效果，取得了当前最好的结果。

    Aug, 2020

  • 使用多相机视频三元组参考的视频超分辨率

    该研究提出利用引用视频进行超分辨率处理的引用视频超分辨率（RefVSR）网络模型，实验结果表明，该模型在三个摄像头的超宽视频三重组成的数据集上表现出了最先进的 4x 超分辨率性能。

    Mar, 2022

  • 基于帧递归的视频超分辨率重建

    本研究提出了一种端到端可训练的帧递归视频超分辨率框架，使用先前的高分辨率估计来超分辨率下一个帧，自然鼓励时态一致结果并降低计算成本。

    Jan, 2018

  • 轻量级循环分组注意力网络用于视频超分辨率

    我们提出了一种新颖的轻量级循环分组注意力网络，用于视频超分辨率的研究，实验证明我们的模型在多个数据集上达到最先进的性能。

    Sep, 2023

  • AnimeSR：学习用于动画视频的真实世界超分辨率模型

    本文研究解决现实世界中动画视频超分辨率（VSR）的难题，并揭示了实用动画 VSR 的三个关键改进：通过学习基本运算符来改进基本降质操作生成过程中的能力，使用 AVC 数据集进行综合训练和评估，以及研究有效的多尺度网络结构。我们的 AnimeSR 方法能够有效和高效地恢复现实世界中低质量的动画视频，并实现了优于以往最先进方法的性能。

    Jun, 2022

  • 框架和特征上下文视频超分辨率

    本文提出一个全新的基于上下文信息的可训练视频超分辨率网络，结合了局部网络和上下文网络，通过利用多个低分辨率帧中的信息和之前预测的高分辨率帧的特征来保持时域连续性，从而实现高质量视频超分辨率结果的实时生成，结果表明本文方法在准确性、效率和视觉质量等方面均优于现有方法。

    Sep, 2019