論文の概要: Video Super Resolution Based on Deep Learning: A Comprehensive Survey
- arxiv url: http://arxiv.org/abs/2007.12928v3
- Date: Wed, 16 Mar 2022 15:07:21 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-07 01:28:57.286665
- Title: Video Super Resolution Based on Deep Learning: A Comprehensive Survey
- Title（参考訳）: 深層学習に基づくビデオスーパーレゾリューション:包括的調査
- Authors: Hongying Liu, Zhubo Ruan, Peng Zhao, Chao Dong, Fanhua Shang, Yuanyuan
Liu, Linlin Yang, Radu Timofte
- Abstract要約: 深層学習に基づく33の最先端ビデオ超解像法(VSR)を包括的に検討した。
そこで本研究では,フレーム間情報を利用した分類手法を提案し,その手法を6つのサブカテゴリに分類する。
いくつかのベンチマークデータセットにおける代表的VSR法の性能を要約し比較する。
- 参考スコア（独自算出の注目度）: 87.30395002197344
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In recent years, deep learning has made great progress in many fields such as
image recognition, natural language processing, speech recognition and video
super-resolution. In this survey, we comprehensively investigate 33
state-of-the-art video super-resolution (VSR) methods based on deep learning.
It is well known that the leverage of information within video frames is
important for video super-resolution. Thus we propose a taxonomy and classify
the methods into six sub-categories according to the ways of utilizing
inter-frame information. Moreover, the architectures and implementation details
of all the methods are depicted in detail. Finally, we summarize and compare
the performance of the representative VSR method on some benchmark datasets. We
also discuss some challenges, which need to be further addressed by researchers
in the community of VSR. To the best of our knowledge, this work is the first
systematic review on VSR tasks, and it is expected to make a contribution to
the development of recent studies in this area and potentially deepen our
understanding to the VSR techniques based on deep learning.
- Abstract（参考訳）: 近年,画像認識,自然言語処理,音声認識,ビデオ超解像など,多くの分野でディープラーニングが大きな進歩を遂げている。
本研究では,深層学習に基づく最先端ビデオスーパーレゾリューション(vsr)33手法を包括的に検討する。
ビデオフレーム内の情報の活用がビデオ超解像にとって重要であることはよく知られている。
そこで,分類法を提案し,フレーム間情報を利用した6つのサブカテゴリに分類する。
さらに、すべてのメソッドのアーキテクチャと実装の詳細を詳細に記述する。
最後に、いくつかのベンチマークデータセットにおける代表的VSR法の性能を要約し、比較する。
また、VSRのコミュニティの研究者によってさらに対処する必要がある課題についても論じる。
私たちの知る限りでは、この研究はvsrタスクに関する最初の体系的なレビューであり、この分野における最近の研究の発展に寄与し、深層学習に基づくvsrテクニックへの理解を深めることを期待しています。
関連論文リスト
- Learning-based Multi-View Stereo: A Survey [55.3096230732874]
MVS(Multi-View Stereo)アルゴリズムは、複雑な環境における正確な再構築を可能にする包括的な3D表現を合成する。
ディープラーニングの成功により、多くの学習ベースのMVS手法が提案され、従来の手法に対して優れたパフォーマンスを実現している。
論文 参考訳（メタデータ） (2024-08-27T17:53:18Z) - Deep Learning for Video-Text Retrieval: a Review [13.341694455581363]
Video-Text Retrieval (VTR) は、ある文のセマンティクスに関連する最も関連性の高いビデオを探すことを目的としている。
本稿では,VTRに関する100以上の研究論文をレビューし,要約する。
論文 参考訳（メタデータ） (2023-02-24T10:14:35Z) - Guided Depth Map Super-resolution: A Survey [88.54731860957804]
誘導深度マップ超解像(GDSR)は、高分解能(HR)深度マップを低分解能(LR)観測から2枚のHRカラー画像の助けを借りて再構成することを目的としている。
近年,特に強力な深層学習技術を用いて,斬新で効果的なアプローチが多数提案されている。
この調査は、GDSRの最近の進歩に関する包括的調査を提示する試みである。
論文 参考訳（メタデータ） (2023-02-19T15:43:54Z) - Benchmark Dataset and Effective Inter-Frame Alignment for Real-World
Video Super-Resolution [65.20905703823965]
ビデオ超解像(VSR)は、高解像度(HR)動画を低解像度(LR)ビデオから再構成することを目的としており、近年大きく進歩している。
既存のVSRメソッドを複雑な劣化を伴う実世界のデータにデプロイすることは依然として困難である。
EAVSRは、提案した多層適応空間変換ネットワーク(MultiAdaSTN)を用いて、事前学習した光フロー推定ネットワークが提供するオフセットを洗練する。
論文 参考訳（メタデータ） (2022-12-10T17:41:46Z) - A Survey on Deep Learning Technique for Video Segmentation [147.0767454918527]
ビデオセグメンテーションは幅広い応用において重要な役割を果たしている。
ディープラーニングベースのアプローチは、ビデオセグメンテーションに特化しており、魅力的なパフォーマンスを提供している。
論文 参考訳（メタデータ） (2021-07-02T15:51:07Z) - Video Summarization Using Deep Neural Networks: A Survey [72.98424352264904]
ビデオ要約技術は、ビデオコンテンツの最も有益な部分を選択して、簡潔で完全なシノプシスを作成することを目指しています。
本研究は,この領域における最近の進歩に着目し,既存の深層学習に基づく総括的映像要約手法の包括的調査を行う。
論文 参考訳（メタデータ） (2021-01-15T11:41:29Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。