본 연구는 이벤트 기반 비디오 재구성 문제를 다룬다. 기존의 CISTA-LSTC 네트워크는 입력 신호와 출력 신호 간의 공통 희소 표현을 가정하지만, 이는 모션에 의한 변위를 간과한다. 이를 해결하기 위해 CISTA-Flow 네트워크를 제안한다.
CISTA-Flow 네트워크는 CISTA-LSTC 네트워크와 광학 흐름 추정 네트워크(DCEIFlow)를 통합한다. 먼저 DCEIFlow 네트워크는 이전 재구성 프레임과 이벤트 데이터를 이용하여 광학 흐름을 추정한다. 그 다음 추정된 광학 흐름을 활용하여 이전 재구성 프레임과 희소 코드를 워핑하고, 이를 CISTA-LSTC 네트워크의 입력으로 사용한다. 이를 통해 모션 보상이 가능해진다.
또한 CISTA-Flow 네트워크의 학습을 위한 반복 학습 프레임워크를 제안한다. 이를 통해 재구성 네트워크와 광학 흐름 추정 네트워크가 서로 적응할 수 있다.
실험 결과, CISTA-Flow 네트워크는 기존 방법들에 비해 우수한 재구성 성능을 보이며, 동시에 신뢰할 수 있는 밀집 광학 흐름 추정 결과를 제공한다. 또한 다른 광학 흐름 추정 네트워크와의 융합 가능성을 보여주어 향후 성능 향상의 여지를 제시한다.
לשפה אחרת
מתוכן המקור
arxiv.org
תובנות מפתח מזוקקות מ:
by Siying Liu,P... ב- arxiv.org 03-19-2024
https://arxiv.org/pdf/2403.11961.pdfשאלות מעמיקות