論文の概要: DynaVSR: Dynamic Adaptive Blind Video Super-Resolution

• arxiv url: http://arxiv.org/abs/2011.04482v1
• Date: Mon, 9 Nov 2020 15:07:32 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-28 01:26:12.297206
• Title: DynaVSR: Dynamic Adaptive Blind Video Super-Resolution
• Title（参考訳）: DynaVSR:動的適応ブラインドビデオスーパーリゾリューション
• Authors: Suyoung Lee, Myungsub Choi, Kyoung Mu Lee
• Abstract要約: DynaVSRは、現実世界のビデオSRのための新しいメタラーニングベースのフレームワークである。 様々な種類の合成ボケカーネルを備えたマルチフレームダウンスケーリングモジュールをトレーニングし、入力認識適応のためのビデオSRネットワークとシームレスに結合する。 実験結果から,DynaVSRは最先端のビデオSRモデルの性能を一定に向上することがわかった。
• 参考スコア（独自算出の注目度）: 60.154204107453914
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Most conventional supervised super-resolution (SR) algorithms assume that low-resolution (LR) data is obtained by downscaling high-resolution (HR) data with a fixed known kernel, but such an assumption often does not hold in real scenarios. Some recent blind SR algorithms have been proposed to estimate different downscaling kernels for each input LR image. However, they suffer from heavy computational overhead, making them infeasible for direct application to videos. In this work, we present DynaVSR, a novel meta-learning-based framework for real-world video SR that enables efficient downscaling model estimation and adaptation to the current input. Specifically, we train a multi-frame downscaling module with various types of synthetic blur kernels, which is seamlessly combined with a video SR network for input-aware adaptation. Experimental results show that DynaVSR consistently improves the performance of the state-of-the-art video SR models by a large margin, with an order of magnitude faster inference time compared to the existing blind SR approaches.
• Abstract（参考訳）: 従来のスーパーレゾリューション(SR)アルゴリズムは、高解像度(HR)データを固定されたカーネルでダウンスケールすることで低解像度(LR)データが得られると仮定するが、そのような仮定は実際のシナリオでは成立しないことが多い。 最近のブラインドSRアルゴリズムは、入力LR画像ごとに異なるダウンスケーリングカーネルを推定するために提案されている。 しかし、計算のオーバーヘッドが重く、ビデオに直接適用することは不可能である。 本研究では,DynaVSRを提案する。DynaVSRは,リアルタイムビデオSRのための新しいメタラーニングベースのフレームワークで,効率的なダウンスケーリングモデル推定と現在の入力への適応を可能にする。 具体的には、様々なタイプの合成ぼかしカーネルを備えたマルチフレームダウンスケーリングモジュールを訓練し、入力認識適応のためのビデオsrネットワークとシームレスに結合する。 実験結果から,DynaVSRは,既存のブラインドSRアプローチに比べてはるかに高速な推論時間で,最先端の映像SRモデルの性能を大きなマージンで一貫して改善することが示された。

関連論文リスト

• Enhanced Super-Resolution Training via Mimicked Alignment for Real-World Scenes [51.92255321684027]
  トレーニング中、LR入力とHR画像の整列により、誤調整問題を緩和する新しいプラグアンドプレイモジュールを提案する。 具体的には,従来のLR試料の特徴を保ちながらHRと整合する新しいLR試料を模倣する。 本手法を合成および実世界のデータセット上で総合的に評価し,SRモデルのスペクトル間での有効性を実証した。
  論文  参考訳（メタデータ） (2024-10-07T18:18:54Z)
• S2R: Exploring a Double-Win Transformer-Based Framework for Ideal and Blind Super-Resolution [5.617008573997855]
  軽量トランスを用いたSRモデル(S2Rトランス)と新しい粗大なトレーニング戦略を提案する。 提案したS2Rは、578Kパラメータしか持たない理想的なSR条件で他の単一像SRモデルより優れている。 ブラインドファジィ環境では、通常のブラインドSRモデルよりも、わずか10のグラデーションアップデートでより良い視覚結果が得られる。
  論文  参考訳（メタデータ） (2023-08-16T04:27:44Z)
• RBSR: Efficient and Flexible Recurrent Network for Burst Super-Resolution [57.98314517861539]
  バースト超解像(BurstSR)は、高解像度(HR)画像を低解像度(LR)画像と雑音画像から再構成することを目的としている。 本稿では,効率よくフレキシブルなリカレントネットワークでフレーム単位のキューを融合させることを提案する。
  論文  参考訳（メタデータ） (2023-06-30T12:14:13Z)
• DCS-RISR: Dynamic Channel Splitting for Efficient Real-world Image Super-Resolution [15.694407977871341]
  実世界の画像超解像(RISR)は、未知の複雑な劣化下でのSR画像の品質向上に重点を置いている。 既存の手法は、分解レベルが異なる低解像度(LR)画像を強化するために重いSRモデルに依存している。 本稿では,DCS-RISRと呼ばれる高効率リアルタイム画像超解法のための動的チャネル分割方式を提案する。
  論文  参考訳（メタデータ） (2022-12-15T04:34:57Z)
• 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)
• Blind Super-Resolution for Remote Sensing Images via Conditional Stochastic Normalizing Flows [14.882417028542855]
  本稿では、上記の問題に対処するために、正規化フロー(BlindSRSNF)に基づく新しいブラインドSRフレームワークを提案する。 BlindSRSNFは、低解像度(LR)画像が与えられた高解像度画像空間上の条件確率分布を、確率の変動境界を明示的に最適化することによって学習する。 提案アルゴリズムは,シミュレーションLRと実世界RSIの両方において,視覚的品質の優れたSR結果が得られることを示す。
  論文  参考訳（メタデータ） (2022-10-14T12:37:32Z)
• Self-Supervised Deep Blind Video Super-Resolution [46.410705294831374]
  本稿では,視覚ビデオSR問題を解決するための自己教師付き学習手法を提案する。 我々は、ビデオSRの画像形成に応じて、元のLRビデオから補助的なペアデータを生成する。 実験により,本手法は,ベンチマークや実世界のビデオにおいて,最先端の手法に対して良好に動作することが示された。
  論文  参考訳（メタデータ） (2022-01-19T05:18:44Z)
• Frequency Consistent Adaptation for Real World Super Resolution [64.91914552787668]
  実シーンにスーパーリゾリューション(SR)法を適用する際に周波数領域の整合性を保証する新しい周波数一貫性適応(FCA)を提案する。 監視されていない画像から劣化カーネルを推定し、対応するLow-Resolution (LR)画像を生成する。 ドメイン一貫性のあるLR-HRペアに基づいて、容易に実装可能な畳み込みニューラルネットワーク(CNN)SRモデルを訓練する。
  論文  参考訳（メタデータ） (2020-12-18T08:25:39Z)
• Video Face Super-Resolution with Motion-Adaptive Feedback Cell [90.73821618795512]
  深部畳み込みニューラルネットワーク(CNN)の発展により,ビデオ超解像法(VSR)は近年,顕著な成功を収めている。 本稿では,動作補償を効率的に捕捉し,適応的にネットワークにフィードバックする,シンプルで効果的なブロックである動き適応型フィードバックセル(MAFC)を提案する。
  論文  参考訳（メタデータ） (2020-02-15T13:14:10Z)
• Deep Video Super-Resolution using HR Optical Flow Estimation [42.86066957681113]
  ビデオ超解像(SR)は、高解像度(HR)フレームを高解像度(LR)フレームから高解像度かつ時間的に一貫した細部で生成することを目的としている。 既存のディープラーニングに基づく手法は、一般的にLRフレーム間の光の流れを推定し、時間依存性を提供する。 我々は、光学フローと画像の両方を超解き放つ、エンドツーエンドのビデオSRネットワークを提案する。
  論文  参考訳（メタデータ） (2020-01-06T07:25:24Z)

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。