論文の概要: Optical Flow for Video Super-Resolution: A Survey

• arxiv url: http://arxiv.org/abs/2203.10462v1
• Date: Sun, 20 Mar 2022 06:04:56 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-26 11:25:50.074506
• Title: Optical Flow for Video Super-Resolution: A Survey
• Title（参考訳）: ビデオ超解像のための光学流:サーベイ
• Authors: Zhigang Tu, Hongyan Li, Wei Xie, Yuanzhong Liu, Shifu Zhang, Baoxin Li, Junsong Yuan
• Abstract要約: ビデオ超解像はコンピュータビジョンにおける最も活発な研究トピックの1つである。 本論では,本論を初めて包括的に概観する。 深層学習に基づくビデオ超解像法について詳細な研究を行う。
• 参考スコア（独自算出の注目度）: 73.32742339612574
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Video super-resolution is currently one of the most active research topics in computer vision as it plays an important role in many visual applications. Generally, video super-resolution contains a significant component, i.e., motion compensation, which is used to estimate the displacement between successive video frames for temporal alignment. Optical flow, which can supply dense and sub-pixel motion between consecutive frames, is among the most common ways for this task. To obtain a good understanding of the effect that optical flow acts in video super-resolution, in this work, we conduct a comprehensive review on this subject for the first time. This investigation covers the following major topics: the function of super-resolution (i.e., why we require super-resolution); the concept of video super-resolution (i.e., what is video super-resolution); the description of evaluation metrics (i.e., how (video) superresolution performs); the introduction of optical flow based video super-resolution; the investigation of using optical flow to capture temporal dependency for video super-resolution. Prominently, we give an in-depth study of the deep learning based video super-resolution method, where some representative algorithms are analyzed and compared. Additionally, we highlight some promising research directions and open issues that should be further addressed.
• Abstract（参考訳）: ビデオスーパーレゾリューションは、多くの視覚アプリケーションで重要な役割を果たすため、コンピュータビジョンにおける最も活発な研究トピックの1つである。 一般に、ビデオ超解像は、時間的アライメントのために連続するビデオフレーム間の変位を推定するために使用される動き補償という重要な成分を含む。 連続するフレーム間の密度とサブピクセルの動きを供給できる光の流れは、このタスクの最も一般的な方法の一つである。 映像の超解像における光学的流れの効果をよく理解するために,本研究では,この課題を初めて包括的に検討する。 この調査は、超解像の機能(すなわち、超解像を必要とする理由)、ビデオ超解像の概念(すなわち、ビデオ超解像であるもの)、評価指標の記述(すなわち、超解像がどのように機能するか)、光学フローに基づくビデオ超解像の導入、ビデオ超解像の時間依存性を捉えるための光フローの利用に関する調査を含む。 本研究では,いくつかの代表的なアルゴリズムを分析し比較する深層学習型ビデオスーパーレゾリューション法について,詳細な研究を行った。 さらに,今後の課題として,今後の研究の方向性と課題を明らかにする。

関連論文リスト

• Deep video representation learning: a survey [4.9589745881431435]
  近年,視覚データに対する逐次的特徴学習法が提案され,その特徴と欠点を比較して一般的なビデオ解析を行った。 ビデオ解析と理解を含むコンピュータビジョンタスクにおいて、ビデオの効果的な機能を構築することが根本的な問題である。
  論文  参考訳（メタデータ） (2024-05-10T16:20:11Z)
• Video Salient Object Detection via Contrastive Features and Attention Modules [106.33219760012048]
  本稿では,注目モジュールを持つネットワークを用いて,映像の有意な物体検出のためのコントラスト特徴を学習する。 コアテンションの定式化は、低レベル特徴と高レベル特徴を組み合わせるために用いられる。 提案手法は計算量が少なく,最先端の手法に対して良好に動作することを示す。
  論文  参考訳（メタデータ） (2021-11-03T17:40:32Z)
• Memory-Augmented Non-Local Attention for Video Super-Resolution [61.55700315062226]
  低解像度(LR)ビデオから高忠実度高解像度(HR)ビデオを生成するための新しいビデオ超解法を提案する。 従来の方法は、主に時間的隣のフレームを利用して、現在のフレームの超解像を支援する。 対照的に、フレームアライメントなしでビデオの超解像を可能にするクロスフレーム非局所アテンション機構を考案する。
  論文  参考訳（メタデータ） (2021-08-25T05:12:14Z)
• 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)
• Highlight Timestamp Detection Model for Comedy Videos via Multimodal Sentiment Analysis [1.6181085766811525]
  本研究では,この分野での最先端性能を得るためのマルチモーダル構造を提案する。 マルチモーダルビデオ理解のためのベンチマークをいくつか選択し、最適な性能を求めるのに最適なモデルを適用した。
  論文  参考訳（メタデータ） (2021-05-28T08:39:19Z)
• A Reinforcement-Learning-Based Energy-Efficient Framework for Multi-Task Video Analytics Pipeline [16.72264118199915]
  ビデオ分析パイプラインは、高いデータレートと複雑な推論アルゴリズムに依存するため、エネルギー集約的である。 マルチタスクビデオ解析パイプラインのエネルギー使用を最小限に抑える適応解像度最適化フレームワークを提案する。 私たちのフレームワークは、YouTube-VISデータセットで同様の精度の全てのベースラインメソッドを大幅に上回りました。
  論文  参考訳（メタデータ） (2021-04-09T15:44:06Z)
• Video Exploration via Video-Specific Autoencoders [60.256055890647595]
  ヒト制御可能なビデオ探索を可能にするビデオ固有オートエンコーダを提案する。 特定のビデオの複数のフレームで訓練された単純なオートエンコーダは、さまざまなビデオ処理および編集タスクを実行できることを観察します。
  論文  参考訳（メタデータ） (2021-03-31T17:56:13Z)
• Blind Video Temporal Consistency via Deep Video Prior [61.062900556483164]
  視覚的ビデオの時間的整合性に対する新規で一般的なアプローチを提案する。 本手法は,一対のオリジナルビデオとプロセッシングビデオを直接トレーニングするのみである。 本稿では,Deep Video Priorを用いてビデオ上の畳み込みネットワークをトレーニングすることにより,時間的一貫性を実現することができることを示す。
  論文  参考訳（メタデータ） (2020-10-22T16:19:20Z)

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。