効果的なビデオアップスケーリングのための時空間ダウンサンプリングの学習【JST・京大機械翻訳】

Xiang Xiaoyu; Tian Yapeng; Rengarajan Vijay; Young Lucas; Zhu Bo; Ranjan Rakesh

プレプリント

J-GLOBAL ID：202202210123279696 整理番号：22P0304790

効果的なビデオアップスケーリングのための時空間ダウンサンプリングの学習【JST・京大機械翻訳】

Learning Spatio-Temporal Downsampling for Effective Video Upscaling

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (6件)： , , , , ,
資料名：
発行年： 2022年03月15日プレプリントサーバーでの情報更新日： 2022年03月15日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

ダウンサンプリングは,最も基本的な画像処理操作の1つである。ビデオに適用した不適切な時空間ダウンサンプリングは,空間におけるモーアのパターンや時間における wag輪効果のようなエイリアシング問題を引き起こす。その結果,空間と時間における低解像度,低フレームレートビデオのアップスケーリングの逆タスクは,情報損失とエイリアシングアーチファクトのため,挑戦的な不良設定問題になる。本論文では,時空間ダウンサンプラーを学習することにより時空エイリアシング問題を解くことを目的とした。この目的に向けて,時空間ダウンサンプリングとアップサンプリングを共同学習するニューラルネットワークフレームワークを提案した。これにより,元のビデオの鍵パターンを保持し,アップサンプラーの再構成性能を最大化できる。ポピュラーな画像およびビデオストレージフォーマットと互換性のあるダウンスタンプ結果を作るために,ダウンサンプリング結果を,微分可能な量子化層でuint8に符号化した。空間時間対応を完全に利用するために,明示的時間伝搬と時空特徴再配列のための2つの新しいモジュールを提案した。実験結果は,著者らの提案方法が,ダウンサンプリングとアップスケーリングの両方において空間テクスチャと運動パターンを保存することによって,時空再構成品質を著しく高めることを示した。さらに,このフレームワークは,任意のビデオ再サンプリング,ぼやけフレーム再構成,および効率的なビデオストレージを含む多様なアプリケーションを可能にする。【JST・京大機械翻訳】

, , , , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

図形・画像処理一般 , 符号理論

, , , ,

前のページに戻る