核心概念
提案手法FMA-Netは、流れ誘導型動的フィルタリングと反復特徴量精緻化を用いることで、従来手法を大幅に上回る動画超解像・ぼかし除去性能を実現する。
摘要
本論文では、動画超解像とぼかし除去を同時に行う新しい手法FMA-Netを提案している。
FMA-Netの主な特徴は以下の通り:
- 流れ誘導型動的フィルタリング(FGDF)
- 動的フィルタリングに光流れ情報を組み合わせることで、大きな動きにも効果的に対応できる
- 従来の動的フィルタリングに比べ、大きな動きがある場合の性能が大幅に向上
- 反復特徴量精緻化と注意機構(FRMA)
- 特徴量を反復的に精緻化し、中心フレームに注目しつつ、劣化特性にも適応的に対応する
- 時間的に整合性のある特徴量を生成することで、高品質な復元を実現
- 時間的アンカー損失
- 各フレームの特徴量を時間的に整合させることで、より安定した学習を実現
提案手法FMA-Netは、REDS4、GoPro、YouTubeデータセットにおいて、従来手法を大幅に上回る超解像・ぼかし除去性能を示している。特に、REDS4では最大1.77dBの性能向上を達成している。
統計資料
平均動きの大きさが40以上の場合、提案手法のFGDFは従来の動的フィルタリングに比べ、最大2.43dBの性能向上を実現している。
提案手法FMA-Netは、REDS4で最大1.77dB、GoPro+YouTubeで平均2.08dBの性能向上を達成している。
引述
"提案手法FMA-Netは、従来手法を大幅に上回る動画超解像・ぼかし除去性能を実現する。"
"FGDFは大きな動きにも効果的に対応でき、FRMA は時間的に整合性のある特徴量を生成することで、高品質な復元を実現する。"
"提案手法FMA-Netは、REDS4で最大1.77dB、GoPro+YouTubeで平均2.08dBの性能向上を達成している。"