論文の概要: AIM 2022 Challenge on Super-Resolution of Compressed Image and Video:
Dataset, Methods and Results
- arxiv url: http://arxiv.org/abs/2208.11184v1
- Date: Tue, 23 Aug 2022 20:32:38 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-25 13:09:28.945525
- Title: AIM 2022 Challenge on Super-Resolution of Compressed Image and Video:
Dataset, Methods and Results
- Title（参考訳）: AIM 2022 圧縮画像・映像の超解像に関する課題:データセット,方法,結果
- Authors: Ren Yang, Radu Timofte, Xin Li, Qi Zhang, Lin Zhang, Fanglong Liu,
Dongliang He, Fu li, He Zheng, Weihang Yuan, Pavel Ostyakov, Dmitry Vyal,
Magauiya Zhussip, Xueyi Zou, Youliang Yan, Lei Li, Jingzhu Tang, Ming Chen,
Shijie Zhao, Yu Zhu, Xiaoran Qin, Chenghua Li, Cong Leng, Jian Cheng, Claudio
Rota, Marco Buzzelli, Simone Bianco, Raimondo Schettini, Dafeng Zhang, Feiyu
Huang, Shizhuo Liu, Xiaobing Wang, Zhezhu Jin, Bingchen Li, Xin Li, Mingxi
Li, Ding Liu, Wenbin Zou, Peijie Dong, Tian Ye, Yunchen Zhang, Ming Tan, Xin
Niu, Mustafa Ayazoglu, Marcos Conde, Ui-Jin Choi, Zhuang Jia, Tianyu Xu,
Yijian Zhang, Mao Ye, Dengyan Luo, Xiaofeng Pan, and Liuhan Peng
- Abstract要約: 本稿では,AIM 2022における圧縮画像・映像の超解像に関する課題について概説する。
提案手法と解法は,圧縮画像およびビデオ上での超解像の最先端性を評価する。
- 参考スコア（独自算出の注目度）: 110.91485363392167
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: This paper reviews the Challenge on Super-Resolution of Compressed Image and
Video at AIM 2022. This challenge includes two tracks. Track 1 aims at the
super-resolution of compressed image, and Track~2 targets the super-resolution
of compressed video. In Track 1, we use the popular dataset DIV2K as the
training, validation and test sets. In Track 2, we propose the LDV 3.0 dataset,
which contains 365 videos, including the LDV 2.0 dataset (335 videos) and 30
additional videos. In this challenge, there are 12 teams and 2 teams that
submitted the final results to Track 1 and Track 2, respectively. The proposed
methods and solutions gauge the state-of-the-art of super-resolution on
compressed image and video. The proposed LDV 3.0 dataset is available at
https://github.com/RenYang-home/LDV_dataset. The homepage of this challenge is
at https://github.com/RenYang-home/AIM22_CompressSR.
- Abstract（参考訳）: 本稿では,AIM 2022における圧縮画像・映像の超解像に関する課題について概説する。
この挑戦には2つのトラックが含まれる。
track 1は圧縮画像の超解像を目標とし、track~2は圧縮ビデオの超解像を目標としている。
Track 1では、トレーニング、検証、テストセットとして人気のあるデータセットDIV2Kを使用します。
Track 2では,LDV 2.0データセット(335本)と30本の追加ビデオを含む365本のビデオを含むLDV 3.0データセットを提案する。
このチャレンジでは12のチームと2つのチームがそれぞれトラック1とトラック2に最終結果を提出しました。
提案手法と解法は,圧縮画像およびビデオにおける超解像の最先端性を評価する。
提案されているLDV 3.0データセットはhttps://github.com/RenYang-home/LDV_datasetで公開されている。
このチャレンジのホームページはhttps://github.com/RenYang-home/AIM22_CompressSRにある。
関連論文リスト
- NTIRE 2022 Challenge on Super-Resolution and Quality Enhancement of
Compressed Video: Dataset, Methods and Results [165.7792541023259]
圧縮ビデオの超解像化と品質向上に関する NTIRE 2022 Challenge をレビューする。
本課題では,LDVデータセット(240本)と95本の追加ビデオを含むLDV 2.0データセットを提案する。
提案手法と解法は,圧縮ビデオの高解像度化と品質向上の最先端性を評価する。
論文 参考訳（メタデータ） (2022-04-20T08:50:02Z) - NTIRE 2021 Challenge on Quality Enhancement of Compressed Video: Dataset
and Study [95.36629866768999]
本稿では, NTIRE 2021チャレンジの最先端手法について, 映像強調のための新しいデータセットを提案する。
この課題は、3つのコンペティション、数百の参加者、数十のソリューションで、この方向の最初のNTIREチャレンジです。
NTIRE 2021の課題は圧縮ビデオの品質向上の最先端技術であることがわかった。
論文 参考訳（メタデータ） (2021-04-21T22:18:33Z) - NTIRE 2021 Challenge on Quality Enhancement of Compressed Video: Methods
and Results [132.53598576262686]
本稿では,圧縮ビデオの品質向上に関する最初のNTIRE課題についてレビューする。
トラック1と2はHEVCが圧縮した動画を固定QPで強化することを目的としており、トラック3はx265で圧縮した動画を固定ビットレートで強化するために設計されている。
提案手法とソリューションは、ビデオ品質向上の最先端を測る。
論文 参考訳（メタデータ） (2021-04-21T22:08:48Z) - NTIRE 2020 Challenge on Video Quality Mapping: Methods and Results [131.05847851975236]
ビデオ品質マッピング(VQM)におけるNTIRE 2020の課題を概観する。
この課題には、2つのベンチマークデータセットに対して、教師付きトラック(トラック1)と弱い教師付きトラック(トラック2)の両方が含まれる。
トラック1では、合計7チームが最終テストフェーズに出場し、問題に対する新しい効果的な解決策を実証した。
トラック2では、いくつかの既存手法が評価され、弱教師付きビデオ品質マッピング問題に対する有望な解決策が示されている。
論文 参考訳（メタデータ） (2020-05-05T15:45:16Z) - NTIRE 2020 Challenge on Image and Video Deblurring [129.15554076593762]
本稿は、NTIRE 2020 Challenge on Image and Video Deblurringをレビューする。
各大会には163人、135人、102人が登録された。
勝利法は、画像およびビデオの劣化タスクにおける最先端のパフォーマンスを示す。
論文 参考訳（メタデータ） (2020-05-04T03:17:30Z)
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。