論文の概要: AIM 2020 Challenge on Video Extreme Super-Resolution: Methods and Results

• arxiv url: http://arxiv.org/abs/2009.06290v1
• Date: Mon, 14 Sep 2020 09:36:25 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-18 12:35:33.874331
• Title: AIM 2020 Challenge on Video Extreme Super-Resolution: Methods and Results
• Title（参考訳）: ビデオ超解法に関するAIM 2020の課題:方法と結果
• Authors: Dario Fuoli, Zhiwu Huang, Shuhang Gu, Radu Timofte, Arnau Raventos, Aryan Esfandiari, Salah Karout, Xuan Xu, Xin Li, Xin Xiong, Jinge Wang, Pablo Navarrete Michelini, Wenhao Zhang, Dongyang Zhang, Hanwei Zhu, Dan Xia, Haoyu Chen, Jinjin Gu, Zhi Zhang, Tongtong Zhao, Shanshan Zhao, Kazutoshi Akita, Norimichi Ukita, Hrishikesh P S, Densen Puthussery, and Jiji C V
• Abstract要約: 本稿では,ECCV 2020におけるAIM 2020ワークショップに関連する超高解像度映像についてレビューする。 トラック1は、PSNRとSSIMによって基底真理への忠実度を測定するような要求されたタスクの最先端度を測定するために設定される。 トラック2は、人間の知覚に応じてランク付けされた視覚的に満足な結果を生成することを目的としており、ユーザスタディによって評価されている。
• 参考スコア（独自算出の注目度）: 96.74919503142014
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper reviews the video extreme super-resolution challenge associated with the AIM 2020 workshop at ECCV 2020. Common scaling factors for learned video super-resolution (VSR) do not go beyond factor 4. Missing information can be restored well in this region, especially in HR videos, where the high-frequency content mostly consists of texture details. The task in this challenge is to upscale videos with an extreme factor of 16, which results in more serious degradations that also affect the structural integrity of the videos. A single pixel in the low-resolution (LR) domain corresponds to 256 pixels in the high-resolution (HR) domain. Due to this massive information loss, it is hard to accurately restore the missing information. Track 1 is set up to gauge the state-of-the-art for such a demanding task, where fidelity to the ground truth is measured by PSNR and SSIM. Perceptually higher quality can be achieved in trade-off for fidelity by generating plausible high-frequency content. Track 2 therefore aims at generating visually pleasing results, which are ranked according to human perception, evaluated by a user study. In contrast to single image super-resolution (SISR), VSR can benefit from additional information in the temporal domain. However, this also imposes an additional requirement, as the generated frames need to be consistent along time.
• Abstract（参考訳）: 本稿では,ECCV 2020におけるAIM 2020ワークショップに関連する超高解像度映像についてレビューする。 学習ビデオ超解像(VSR)の一般的なスケーリング要因は、第4因子を超えない。 この領域、特に高頻度コンテンツがテクスチャの詳細で構成されているHRビデオでは、欠落情報をよく復元することができる。 この課題の課題は、ビデオの構造的完全性に影響を及ぼすより深刻な劣化をもたらす16の極端な要素によるビデオのスケールアップである。 低解像度(LR)領域の1ピクセルは高解像度(HR)領域の256ピクセルに対応する。 この膨大な情報損失のため、行方不明の情報を正確に復元することは困難である。 トラック1は、PSNRとSSIMによって基底真理への忠実度を測定するような要求されたタスクの最先端度を測定するために設定される。 知覚上高い品質は、可塑性高周波コンテンツを生成することにより、忠実性のトレードオフによって達成できる。 トラック2は、人間の知覚に応じてランク付けされた視覚的に満足な結果を生成することを目的とする。 単一画像超解像(SISR)とは対照的に、VSRは時間領域における追加情報から恩恵を受けることができる。 しかし、生成されたフレームは時間とともに一貫性を持つ必要があるため、これは追加の要件も課す。

関連論文リスト

• RTSR: A Real-Time Super-Resolution Model for AV1 Compressed Content [10.569678424799616]
  超解像度(SR)は、映像コンテンツの視覚的品質を改善するための重要な技術である。 リアルタイム再生をサポートするためには,高速SRモデルの実装が重要である。 本稿では,圧縮映像の視覚的品質を高めるために,低複雑さSR手法RTSRを提案する。
  論文  参考訳（メタデータ） (2024-11-20T14:36:06Z)
• Deep Blind Super-Resolution for Satellite Video [30.82521485327735]
  本稿では,BSVSRアルゴリズムを用いて,ピクセル単位のぼかしレベルを粗い方法で考慮し,よりシャープな手がかりを探索する手法を提案する。 ウィンドウスライド・プログレッシブ・フュージョンにより、時間的冗長性を隣接するフレームに粗く集約するために、マルチスケールの変形可能な畳み込みを用いる。 本研究では, ピラミッド空間変換モジュールを設計し, 急激な中間状態の解空間を調整し, 多レベル領域における柔軟な特徴適応を実現する。
  論文  参考訳（メタデータ） (2024-01-13T18:56:18Z)
• Reference-based Image and Video Super-Resolution via C2-Matching [100.0808130445653]
  本稿では,C2-Matchingを提案する。 C2-Matchingは、標準的なCUFED5ベンチマークにおいて、最先端のアーツを著しく上回っている。 また、類似シーンで撮影された画像がHR参照画像として機能するため、C2-Matchingを参照ベースでビデオスーパーリゾリューションタスクに拡張する。
  論文  参考訳（メタデータ） (2022-12-19T16:15:02Z)
• Towards Interpretable Video Super-Resolution via Alternating Optimization [115.85296325037565]
  低フレームのぼかしビデオから高フレームの高解像度のシャープビデオを生成することを目的とした実時間ビデオ超解法(STVSR)問題について検討する。 本稿では,モデルベースと学習ベースの両方の手法を用いて,解釈可能なSTVSRフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-07-21T21:34:05Z)
• Investigating Tradeoffs in Real-World Video Super-Resolution [90.81396836308085]
  実世界のビデオ超解像(VSR)モデルは、一般化性を改善するために様々な劣化で訓練されることが多い。 最初のトレードオフを軽減するために,性能を犠牲にすることなく,最大40%のトレーニング時間を削減できる劣化手法を提案する。 そこで本研究では,多種多様な実世界の低品質映像系列を含むビデオLQデータセットを提案する。
  論文  参考訳（メタデータ） (2021-11-24T18:58:21Z)
• NTIRE 2021 Challenge on Video Super-Resolution [103.59395980541574]
  Super-Resolution (SR) はコンピュータビジョンタスクであり、与えられた低解像度の画像から高解像度のクリーンイメージを得る。 本稿では,NTIRE Challenge on Video Super-Resolutionをレビューする。
  論文  参考訳（メタデータ） (2021-04-30T09:12:19Z)
• Boosting High-Level Vision with Joint Compression Artifacts Reduction and Super-Resolution [10.960291115491504]
  任意の品質係数で圧縮された低解像度画像から、アーティファクトフリーの高解像度画像を生成する。 文脈認識型CARとSRニューラルネットワーク(CAJNN)は、局所的特徴と非局所的特徴を統合し、CARとSRを1段階で解く。 高品質で高解像度な画像を予測するために、ディープ・リコンストラクション・ネットワークが採用されている。
  論文  参考訳（メタデータ） (2020-10-18T04:17:08Z)
• FAN: Frequency Aggregation Network for Real Image Super-resolution [33.30542701042704]
  単一画像超解像(SISR)は、低解像度(LR)入力画像から高解像度(HR)画像を復元することを目的としている。 実世界の超可溶化問題に対処するために,周波数集約ネットワークであるFANを提案する。
  論文  参考訳（メタデータ） (2020-09-30T10:18:41Z)
• AIM 2020 Challenge on Video Temporal Super-Resolution [118.46127362093135]
  Video Temporal Super-Resolution (VTSR) の第2回AIMチャレンジ 本稿では,ビデオ・テンポラル・スーパー・リゾリューション(VTSR)における第2回AIM課題について報告する。
  論文  参考訳（メタデータ） (2020-09-28T00:10:29Z)

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。