R1-EDVR解读

EDVR: Video Restoration with Enhanced Deformable Convolutional Networks

论文：https://arxiv.org/abs/1905.02716
代码：https://github.com/xinntao/EDVR

该论文主要提出了两个模块：PCD对齐模块和TSA融合模块。

1、背景：

过去的视频恢复被视为简单的图像复原（视频和图像的处理还是有区别的），相邻帧的时间冗余没有充分利用。

2、PCD模块

金字塔级联和可变形模块（PCD，pyramid cascading deformable）

• 使用Deformable卷积在特征级别将每个相邻帧对齐到参考帧，从粗到细对齐，以处理大型和复杂运动。具体就是，使用金字塔结构，首先将较低尺度的特征和粗估计进行对齐，然后将偏移量和对齐特征传播到较高尺度，以方便进行精确的运动补偿。

• 在锥体对齐操作后，再级联一个额外的Deformable卷积，进一步提高对齐的鲁棒性。
  

之前的对齐方法：

1. 显式估计参考帧与相邻帧的光流场来对齐，根据估计的运动场对相邻帧矫正；
2. 通过动态滤波或可变形卷积实现隐式补偿。

注：PCD帧对齐是在特征层上使用可变形卷积从粗到细进行对齐。

3、TSA模块

时间和空间注意力融合（TSA，temporal spatial attention）

• 时间注意考虑参考帧与相邻帧间相关性，空间注意考虑单帧内部每个位置的特征。

• 根据加权，通过相关系数卷积来进行融合。
  

之前的融合方法：

1. 使用卷积对所有帧进行早期融合；
2. 采用递归网络逐步融合多帧；
3. 时间自适应网络，动态融合时间尺度。

没有考虑到每个帧潜在视觉信息量，不同帧和位置对重建的信息量和益处并不相同。（考虑帧内部信息）

注：注意力同时应用于时间和空间，以强调后续恢复的重要特征。