Fugu-MT 論文翻訳(概要): Restoration of Analog Videos Using Swin-UNet

論文の概要: Restoration of Analog Videos Using Swin-UNet

arxiv url: http://arxiv.org/abs/2311.04261v1
Date: Tue, 7 Nov 2023 16:00:31 GMT
ステータス: 処理完了
システム内更新日: 2023-11-09 18:08:58.981882
Title: Restoration of Analog Videos Using Swin-UNet
Title（参考訳）: Swin-UNetを用いたアナログ映像の復元
Authors: Lorenzo Agnolucci, Leonardo Galteri, Marco Bertini, Alberto Del Bimbo
Abstract要約: 歴史的アーカイブのアナログ映像を復元するシステムを提案する。提案システムでは,マルチフレーム方式を用いて,テープの誤り追跡を厳格に行うことができる。
参考スコア（独自算出の注目度）: 28.773037051085318
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: In this paper, we present a system to restore analog videos of historical archives. These videos often contain severe visual degradation due to the deterioration of their tape supports that require costly and slow manual interventions to recover the original content. The proposed system uses a multi-frame approach and is able to deal with severe tape mistracking, which results in completely scrambled frames. Tests on real-world videos from a major historical video archive show the effectiveness of our demo system. The code and the pre-trained model are publicly available at https://github.com/miccunifi/analog-video-restoration.
Abstract（参考訳）: 本稿では,歴史的アーカイブのアナログ映像を復元するシステムを提案する。これらのビデオは、しばしばテープサポートの劣化のために、元のコンテンツを回復するために手作業で費用がかかるという深刻な視覚的劣化を含んでいる。提案システムでは, マルチフレーム方式を用いて, テープの誤り追跡に対処し, 完全なスクランブルフレームを実現する。大規模な歴史的ビデオアーカイブによる実世界のビデオに対するテストは、我々のデモシステムの有効性を示している。コードと事前トレーニングされたモデルはhttps://github.com/miccunifi/analog-video-restorationで公開されている。

関連論文リスト

Learning Truncated Causal History Model for Video Restoration [14.381907888022615]
TURTLEは、効率的かつ高性能なビデオ復元のための散在した因果履歴モデルを学ぶ。我々は,多数のビデオ復元ベンチマークタスクに関する最新の結果について報告する。
論文参考訳（メタデータ） (2024-10-04T21:31:02Z)
Reference-based Restoration of Digitized Analog Videotapes [28.773037051085318]
デジタルアナログビデオテープ(TAPE)の再作成のための参照ベースアプローチを提案する。ゼロショットアーティファクト検出にCLIPを活用し、異なるアーティファクトを記述するテキストプロンプトを通じて、各ビデオの最もクリーンなフレームを識別する。実世界のビデオにおける真実の欠如に対処するため、アナログビデオテープによく見られるアーティファクトによく似た、ビデオの合成データセットを作成します。
論文参考訳（メタデータ） (2023-10-20T17:33:57Z)
Dual-Stream Knowledge-Preserving Hashing for Unsupervised Video Retrieval [67.52910255064762]
時間層とハッシュ層を含む単純な二重ストリーム構造を設計する。まず、時間層とハッシュ層を含む単純な二重ストリーム構造を設計する。自己スーパービジョンから得られたセマンティック類似性知識の助けを借りて、ハッシュ層はセマンティック検索のための情報を取得することを学習する。このようにして、モデルは自然に二進的なコードに絡み合ったセマンティクスを保存します。
論文参考訳（メタデータ） (2023-10-12T03:21:12Z)
Video Event Restoration Based on Keyframes for Video Anomaly Detection [9.18057851239942]
既存のディープニューラルネットワークベースの異常検出(VAD)手法は、主にフレーム再構成やフレーム予測の経路に従う。これらの制限を突破するために、新しいVADパラダイムを導入します。本稿では,ビデオイベント復元のためのU字型スイニングトランスフォーマーネットワーク (USTN-DSC) を提案する。
論文参考訳（メタデータ） (2023-04-11T10:13:19Z)
Speeding Up Action Recognition Using Dynamic Accumulation of Residuals in Compressed Domain [2.062593640149623]
ビデオ処理アルゴリズムに関して、時間的冗長性と生ビデオの重大性は、最も一般的な2つの問題である。本稿では,光部分復号処理によって得られる圧縮ビデオで直接利用できる残差データの利用法を提案する。圧縮された領域に蓄積された残留物にのみニューラルネットワークを適用することで、性能が向上する一方、分類結果は生のビデオアプローチと非常に競合する。
論文参考訳（メタデータ） (2022-09-29T13:08:49Z)
Restoration of User Videos Shared on Social Media [27.16457737969977]
ソーシャルメディアプラットフォーム上で共有されるユーザビデオは、通常、未知のプロプライエタリな処理手順によって引き起こされる劣化に悩まされる。本稿では,ソーシャルメディアプラットフォーム上で共有されるユーザビデオの復元のための,新しい一般的なビデオ復元フレームワークを提案する。エンド・ツー・エンドのマッピングを行う多くのディープラーニングベースのビデオ復元手法とは対照的に,新しい手法であるVOTES(adapTive dEgradation Sensing)によるビデオ復元では,ビデオ復元プロセスを明示的に導くための分解特徴マップ(DFM)の概念が導入されている。
論文参考訳（メタデータ） (2022-08-18T02:28:43Z)
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)
Video Demoireing with Relation-Based Temporal Consistency [68.20281109859998]
カラー歪みのように見えるモアレパターンは、デジタルカメラでスクリーンを撮影する際に、画像と映像の画質を著しく劣化させる。我々は、このような望ましくないモアレパターンをビデオで除去する方法を研究している。
論文参考訳（メタデータ） (2022-04-06T17:45:38Z)
Transcoded Video Restoration by Temporal Spatial Auxiliary Network [64.63157339057912]
本稿では,映像復元のための時間空間補助ネットワーク(TSAN)を提案する。実験の結果,提案手法の性能は従来の手法よりも優れていることがわかった。
論文参考訳（メタデータ） (2021-12-15T08:10:23Z)
VPN: Video Provenance Network for Robust Content Attribution [72.12494245048504]
VPN - オンラインで共有されているビデオから出典情報を復元するコンテンツ属性手法を提案する。完全長あるいは切り離されたビデオクエリを用いて,このようなビデオのマッチングに頑健な検索埋め込みを学習する。一度ビデオクリップの信頼できるデータベースにマッチすると、そのクリップの出所に関する関連情報がユーザに提示される。
論文参考訳（メタデータ） (2021-09-21T09:07:05Z)
Efficient video integrity analysis through container characterization [77.45740041478743]
本稿では,ビデオ操作に使用するソフトウェアをコンテナベースで識別する手法を提案する。提案手法は効率的かつ効果的であり,その決定の簡易な説明も可能である。プリストインを改ざんされたビデオと区別し、編集ソフトを分類することで97.6%の精度を達成している。
論文参考訳（メタデータ） (2021-01-26T14:13:39Z)

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。