极市平台的技术博客

arxiv链接：https://arxiv.org/abs/2010.11838project主页：https://chenyanglei.github.io/DVP/index.htmlvideo：https://youtu.be/07A3aRF4s0g许多图像处理算法已在单个图像处理任务中表现了出色的性能，但是将它们直接应用于视频上通常会有时域不一致问题（例如闪烁问题），如图1所示。 为了提高时域一致性，大多数研究人员针对不同的视频处理任务设计了专用算法，例如视频上色，视频去噪和视频超分辨率。 .

原文链接：https://bbs.cvmart.net/articles/3158专注计算机视觉前沿资讯和技术干货微信公众号：极市平台官网：https://www.cvmart.net/本文为大家介绍一个视频超分方向的最新工作：新颖的递归网络RRN。文章将残差学习思想引入到RNN中，在帮助保持长周期纹理信息的同时降低了训练过程中的梯度消失的风险。该工作在Vid4数据集上超越了EDVR的PSNR指标。同时，文章还对常用的三种时序建模方案进行了系统的对比分析。paper: https://.

原文链接：https://bbs.cvmart.net/articles/3041专注计算机视觉前沿资讯和技术干货微信公众号：极市平台官网：https://www.cvmart.net/视频是具有时间连续性的图像集合，其中每帧图像的上下文信息（空域信息）与不同帧之间的互补信息（时域信息）都有助于提升视频超分辨的性能。近日，来自国防科技大学的学者提出基于可变形三维卷积的视频超分辨网络（D3Dnet），通过将可变形卷积（Deformable Convolution）和三维卷积（3D Convoluti