东南大学提出EGVSR：4K视频实时超分辨率系统，代码已开源！

点击下方卡片，关注“CVer”公众号

AI/CV重磅干货，第一时间送达

本文转载自：新智元 

来源：arXiv  |  编辑：Priscilla

【导读】东南大学研究团队最新提出的4K实时处理超分辨率系统（EGVSR)不仅能够修复高糊画质，运行速度还比TecoGAN快9倍，代码已开源。

有没有试过辛辛苦苦拍了个视频，最后一看，竟然「真·一塌糊涂」？

 

问题不大！AI修复能力杠杠的！

 

而现在，一个能实时重建视频质量，处理速度还比主流方法快9倍的系统就摆在你眼前！

 

高糊视频有救啦！

 

 

没错！这就是东南大学研究团队最新提出的EGVSR——4K实时处理超分辨率系统！

 

论文：https://arxiv.org/abs/2107.05307

代码：https://github.com/Thmen/EGVSR

 

兼顾图像质量和速度性能，EGVSR究竟是怎么做到的呢？ 

什么是VSR？

视频超分辨率（VSR）是从图像超分辨率发展而来的，是计算机视觉领域的热门话题之一。

VSR技术可以重构视频，还原视频清晰度，提升主观视觉质量。

 

目前，我们常说的4K、8K这些高分辨率显示技术其实已经相对成熟，但无奈主流的视频源仍以1080P或720P为主，从源端就已经限制了视频系统的质量。

 

然而，在不久的将来，4K甚至更高的分辨率一定会取代全高清（FHD）成为主流格式。

 

因此，我们就需要有高效、轻量级的 VSR 技术，将大量低分辨率 (LR) 视频升级为高分辨率 (HR) 视频。

 

就像上面提到的，VSR技术的研究对象是视频资源的图像序列。

 

而图像序列就是连续的帧，由一系列静态图像组成。

 

当视频中的物体运动速度较快，在单个图像中表现为运动模糊效果，因此目标帧与其相邻帧之间会出现子像素位移。

 

 

因此，VSR系统使用有效的运动补偿算法对齐相邻帧至关重要。

 

这也是当前VSR研究领域其中一个「老大难」。

 

此外，大规模VSR的计算十分复杂，内存消耗也大，严重阻碍了视频处理的实时性和低延迟性，难以在实际应用中部署。

 

为了解决这些问题，东南大学研究团队就为大规模VSR定制了各种网络加速策略，利用GAN来保证视频的重建质量，提出4K实时处理超分辨率系统（EGVSR）。

GAN：重建视频质量的工具

 

由于生成对抗网络（GAN）能够产生更好的感知质量，因此也广泛应用于超分辨率领域。

 

研究人员利用GAN强大的深度特征学习能力，来应对VSR任务中大规模的分辨率退化。

 

此外，参考TecoGAN方法的设计，引入了空间-时间对抗结构，能够让判别器理解学习时空信息的分布，从而避免传统GAN遇到的时域不稳定效应。

 

研究人员参考高效CNN搭建架构，设计出了一个更通用，质量更高的视频超分辨率网络，也就是EGVSR，这样就能满足高达4K分辨率的超分辨率大规模视频的需求。

 

EGVSR这个轻量级的网络结构，生成器部分分为FNet和SRNet，分别用于光流估计和视频帧超分辨率。

 

EGVSR生成器部分的框架和推理阶段的数据流

 

为设计出更加简化的EGVSR，研究团队提出了以下几种神经网络的加速技术。

 

快点，再快点！

批量归一化融合

 

批量归一化（BN）是深度学习领域中最常用的一种技术，它能够提高网络的泛化能力，防止过拟合。

 

因此，EGVSR中的FNet模块大量使用了BN层。

 

团队用1×1的卷积层来实现和替换BN层，再将1×1的卷积层与之前的卷积层融合，省去了BN层的计算，得到优化的BN融合层提速了5%左右。

 

 

高效的上采样方法

 

在超分辨率网络中，上采样层（Upsampling layer）是最重要的部分之一。

 

根据技术路线的不同，大致可以分为两类：基于插值的上采样方法（interpolation-based upsampling methods）和基于学习的上采样方法（learning-based upsampling methods）。

 

由于所有基于插值的上采样方法都会导致图像边缘模糊，而基于学习的上采样方法则具有强大的特征学习能力，团队选择了后者，具体方法包括：A）调整大小卷积（Resize Convolution）；B）去卷积（Deconvolution）；C）子像素卷积（Sub-pixel convolution）。

 

研究团队将ESPCN网络作为超分辨率网络的骨干，只改变上采样层，用上述提到的三种上采样方法训练了多组SRNet，结果显示，子像素卷积方法得出的效果最佳。

 

提高计算效率 

卷积计算是CNN的关键，占总计算量的90%以上，耗费了大量的计算时间。

 

而传统的朴素卷积（naïve convolution）使用了6个循环结构，计算效率也是相当低。

 

因此，为了提高计算效率，团队使用矩阵乘法（MatMul）算法进行改进。

 

经过实验，研究团队发现，通过逆向col2im转换就可以得到所需的输出特征结果。

 

也就是说，将卷积计算转化为矩阵乘法，通过内存空间节省推理时间，就能提高计算效率。

 

实验结果

 

一顿操作猛如虎，最终运行速度如何呢？

 

来对比一下不同VSR网络在CPU和GPU上的运行速度：

 

 

由图可见，相比TecoGAN，仅使用CPU，EGVSR能提速8.25-9.05倍。

 

而在GPU的加速下，EGVSR的4K实时处理速度比TecoGAN高出7.92倍。

 

当然，不能只求快，还是要看看总的计算成本。

 

EGVSR总计算成本仅为VESPCN的29.57%，SOFVSR12.63%，FRVSR和TecoGAN的14.96%。

 

 

速度有了提高，计算成本也大大减少，那最重要的画质，是不是真的变高清了呢？

 

 

研究人员在VID4、TOS3和GVT72三个数据集上进行了测试实验。

 

实验数据显示，EGVSR的确比传统模型的性能更好，能够修复更多空间细节，视频看起来更加高清。

 

分数越低，越接近真实结果，画面就越流畅

 

团队在VSR领域中，提出了EGVSR方法，采用了各种优化技术，在保证提高视觉质量的前提下，将计算量降至最低，在硬件平台上，4K VSR得以实时实现。

作者介绍

 

 

研究团队共5人，Yanpeng Cao、Chengcheng Wang、Changjun Song和Yongming Tang均来自南京的东南大学的信息显示与可视化国际合作联合实验室。

 

其中一作Yanpeng Cao是东南大学在读研究生，研究领域为加密域图像处理和图像超分辨率等。

 

He Li则来自英国剑桥大学工程学院。

EGVSR论文和代码下载

后台回复：EGVSR，即可下载上述论文和代码

CVPR和Transformer资料下载

后台回复：CVPR2021，即可下载CVPR 2021论文和代码开源的论文合集
后台回复：Transformer综述，即可下载最新的两篇Transformer综述PDF
CVer-Transformer交流群成立
扫码添加CVer助手，可申请加入CVer-Transformer 微信交流群，方向已涵盖：目标检测、图像分割、目标跟踪、人脸检测&识别、OCR、姿态估计、超分辨率、SLAM、医疗影像、Re-ID、GAN、NAS、深度估计、自动驾驶、强化学习、车道线检测、模型剪枝&压缩、去噪、去雾、去雨、风格迁移、遥感图像、行为识别、视频理解、图像融合、图像检索、论文投稿&交流、PyTorch和TensorFlow等群。
一定要备注：研究方向+地点+学校/公司+昵称（如Transformer+上海+上交+卡卡），根据格式备注，可更快被通过且邀请进群
▲长按加小助手微信，进交流群▲点击上方卡片，关注CVer公众号
整理不易，请点赞和在看