論文の概要: AIM 2020 Challenge on Video Temporal Super-Resolution
- arxiv url: http://arxiv.org/abs/2009.12987v1
- Date: Mon, 28 Sep 2020 00:10:29 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-13 21:58:43.381179
- Title: AIM 2020 Challenge on Video Temporal Super-Resolution
- Title（参考訳）: ビデオ・テンポラル超解像へのAIM 2020の挑戦
- Authors: Sanghyun Son, Jaerin Lee, Seungjun Nah, Radu Timofte, Kyoung Mu Lee
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 118.46127362093135
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Videos in the real-world contain various dynamics and motions that may look
unnaturally discontinuous in time when the recordedframe rate is low. This
paper reports the second AIM challenge on Video Temporal Super-Resolution
(VTSR), a.k.a. frame interpolation, with a focus on the proposed solutions,
results, and analysis. From low-frame-rate (15 fps) videos, the challenge
participants are required to submit higher-frame-rate (30 and 60 fps) sequences
by estimating temporally intermediate frames. To simulate realistic and
challenging dynamics in the real-world, we employ the REDS_VTSR dataset derived
from diverse videos captured in a hand-held camera for training and evaluation
purposes. There have been 68 registered participants in the competition, and 5
teams (one withdrawn) have competed in the final testing phase. The winning
team proposes the enhanced quadratic video interpolation method and achieves
state-of-the-art on the VTSR task.
- Abstract（参考訳）: 実世界のビデオには、記録されたフレームレートが低い時間に不連続に見える様々なダイナミクスや動きが含まれている。
本稿では,ビデオ・テンポラリ・スーパーレゾリューション(vtsr, a.k.a. frame interpolation)に関する第2のaimチャレンジについて,提案する解,結果,分析に焦点を当てて報告する。
低フレームレート(15fps)ビデオから、時間的中間フレームを推定することにより、挑戦参加者は高フレームレート(30fpsと60fps)のシーケンスを提出する必要がある。
実世界の現実的かつ挑戦的なダイナミクスをシミュレートするために,手持ちカメラで撮影した多様なビデオから得られたREDS_VTSRデータセットを用いて,トレーニングと評価を行う。
大会には68人の登録参加者が参加し、5つのチーム(1人が離脱)が最終テストフェーズに出場した。
優勝チームは、強化された二次的ビデオ補間法を提案し、VTSRタスクの最先端を実現する。
関連論文リスト
- PVUW 2024 Challenge on Complex Video Understanding: Methods and Results [199.5593316907284]
我々は、MOSEデータセットに基づく複合ビデオオブジェクトトラックと、MeViSデータセットに基づくモーション表現ガイドビデオトラックの2つの新しいトラックを追加した。
2つの新しいトラックでは、挑戦的な要素を特徴とする追加のビデオとアノテーションを提供しています。
これらの新しいビデオ、文、アノテーションにより、より包括的で堅牢なビデオシーン理解の開発を促進することができる。
論文 参考訳（メタデータ） (2024-06-24T17:38:58Z) - ReLER@ZJU Submission to the Ego4D Moment Queries Challenge 2022 [42.02602065259257]
我々はECCV 2022のEgo4D Moment Queries ChallengeにReLER@ZJU1を提出する。
目標は、エゴセントリックなビデオで起こりうるアクティビティのすべてのインスタンスを検索し、ローカライズすることだ。
Recall@1,tIoU=0.5スコア37.24、平均mAPスコア17.67、そして3位となった。
論文 参考訳（メタデータ） (2022-11-17T14:28:31Z) - Learning Trajectory-Aware Transformer for Video Super-Resolution [50.49396123016185]
ビデオ超解像は、高解像度(HR)フレームを低解像度(LR)フレームから復元することを目的としている。
既存のアプローチは通常、隣接する限られたフレームからビデオフレームを並べて集約する。
ビデオ超解像用トランスフォーマー(TTVSR)を提案する。
論文 参考訳（メタデータ） (2022-04-08T03:37:39Z) - 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) - Learning Joint Spatial-Temporal Transformations for Video Inpainting [58.939131620135235]
本稿では,ビデオインペイントのためのSTTN (Spatial-Temporal Transformer Network) を提案する。
我々は,全ての入力フレームの欠落領域を自己注意で同時に埋めるとともに,空間空間的対角損失によるSTTNの最適化を提案する。
論文 参考訳（メタデータ） (2020-07-20T16:35:48Z) - AIM 2019 Challenge on Video Temporal Super-Resolution: Methods and
Results [129.15554076593762]
本稿では,ビデオ時空間超解像(フレーム)におけるAIMの最初の課題についてレビューする。
低フレームレート(15fps)のビデオシーケンスから、チャレンジ参加者はより高いフレームレート(60fps)のビデオシーケンスを提出するよう求められる。
ハンドヘルドカメラで撮影した多様なビデオから得られたREDS VTSRデータセットをトレーニングおよび評価目的で使用した。
論文 参考訳（メタデータ） (2020-05-04T01:51:23Z)
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。