Sep, 2023

位流损坏的视频恢复：一个新的基准数据集和方法

PDF
TL;DR本研究介绍了首个具有超过 28,000 个视频剪辑的比特流损坏视频恢复的基准数据集 (BSCV)，它包含了三个参数的损坏模型、丰富的错误模式、多个损坏级别以及灵活的数据集分支，并利用 BSCV 数据集评估了最先进的视频修复方法，在比特流损坏视频恢复问题上展示了现有方法的局限性以及我们的框架的优势。
video recoverybitstream-corrupted videobenchmark datasetvideo inpaintingcorruption model
发现论文，激发创造
  • 位流损坏的 JPEG 图像可以恢复：基于两阶段补偿和对齐框架的图像恢复

    本文提出一种基于鲁棒 JPEG 解码器和两阶段补偿与对齐框架的方法，来恢复受比特流错误影响的 JPEG 图像。通过两个阶段实现块状图像颜色补偿和对齐，并利用缩略图等方式进行优化，最终在三个数据集上取得较好的效果。

    Apr, 2023

  • BVI-DVC：用于深度视频压缩的训练数据库

    该研究介绍了一个新的视频数据库 BVI-DVC，用于训练以 CNN 为基础的视频压缩系统；实验结果表明，使用该数据库能够产生显著的编码增益，进而产生更好的视频压缩效果。

    Mar, 2020

  • RoboBEV: 面向鲁棒的鸟瞰图感知

    使用 RoboBEV 基准套件从多个角度评估不同 Bird's eye view 模型的鲁棒性，发现模型在内分布数据集上的表现与在分布外数据集上的性能存在强烈的相关性，但也存在不同方法相对性能差异较大的问题。同时，预训练和无深度 BEV 转换具有增强分布外鲁棒性的潜力，使用富含时间信息的数据也可以大大提高模型的鲁棒性。

    Apr, 2023

  • BVI-Artefact: 流媒体视频的伪影检测基准数据集

    该研究旨在建立并验证一个大型数据库 BVI-Artefact，针对在线流媒体中的特定视觉瑕疵进行检测，同时使用此数据库对现有的检测方法进行评估，结果显示了这一任务的挑战性，并表明需要更可靠的瑕疵检测方法。

    Dec, 2023

  • 基于非局部拉格朗日乘子和基于块的稀疏表示的图像和视频块压缩感知

    本文提出了一种新的改进型总变分技术，利用多块梯度处理、去噪的 Lagrange 乘子和基于图块的稀疏表示方法来改善像素边缘模糊、细节丢失和高频振荡等问题，该方法不仅适用于图像的压缩感知恢复，而且可用于视频的压缩感知恢复。经模拟结果表明，所提出的方法在客观和主观质量上都提升了压缩感知图像和视频的恢复性能。

    Mar, 2017

  • 实际应用视频去模糊：基准数据集和高效循环神经网络

    本文提出了一种基于残差稠密块和全局时空注意力模块的实时视频去模糊方法 (ESTRNN)，并提供了一个新颖的真实世界基准数据集 (BSD)，实验证明该方法在低计算成本下可以达到更好的去模糊效果比合成数据集具有更高的普适性。

    Jun, 2021

  • 用 FIRE 对抗火灾：评估文本到视频检索基准的有效性

    通过修正误标的负样本，我们评测了三种模型在两个标准测试集上的表现，发现在最佳模型上，修正后的指标提升了 25% 以上。此外我们发现测试集的 recall@10 已经接近饱和，同时我们推荐以样本抽样方式缓解标注数据成本，对未来的 text-to-video retrieval 基准测试提出了建议。

    Oct, 2022

  • 卫星视频的深度盲超分辨率

    该研究提出了一种实用的盲自适应卫星视频超分辨率算法（BSVSR），通过粗到精的方式考虑像素级模糊程度，探索更多的锐度线索，并使用金字塔空间转换模块在多层次领域中调整锐度中间特征的解空间，从而在模拟和实际卫星视频上表现出色，优于最先进的非盲和盲自适应超分辨率模型。

    Jan, 2024

  • 超分辨率压缩视频质量评估：基准和质量度量

    本研究开发了一个基于不同压缩标准的视频数据集，用于评估 17 种最先进的超分辨率模型的性能，并通过众包对比得出了适用于压缩视频放大的客观质量评估指标。

    May, 2023

  • VCISR: 盲目单图像超分辨率与视频压缩合成数据

    通过引入视频压缩降级模型，提出了一种盲目单图像超分辨率方法，可恢复由视频压缩引起的失真，通过合成低分辨率图像数据并训练神经网络，在图像质量评估和视觉质量方面取得了优秀的性能。

    Nov, 2023