![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
视频单帧增强
文章平均质量分 74
mytzs123
大部分内容纯属为了记录,有错误之处,欢迎批评指正
展开
-
A Convolutional Neural Network Approach for Post-Processing in HEVC Intra Coding
用于HEVC帧内编码后处理的卷积神经网络方法Abstract有损图像和视频压缩算法会产生令人讨厌的视觉伪影,包括阻塞、模糊和振铃,尤其是在低比特率下。为了减少这些伪影,人们广泛研究了后处理技术。近年来,受卷积神经网络(CNN)在计算机视觉领域取得巨大成功的启发,人们对采用CNN进行后处理进行了一些研究,主要针对JPEG压缩图像。在本文中,我们提出了一种基于CNN的高效视频编码后处理算法(HEVC),这是最先进的视频编码标准。我们重新设计了可变滤波器尺寸残差学习神经网络(VRCNN),以提高性能并加速原创 2022-07-20 10:58:29 · 21 阅读 · 0 评论 -
DRCNN:超越高斯去噪:深度CNN图像去噪的残差学习
Beyond a Gaussian Denoiser: Residual Learning of Deep CNN for Image Denoising摘要-基于判别模型学习的图像去噪方法因其良好的去噪性能而备受关注。在本文中,我们通过研究前馈去噪卷积神经网络(DnCNNs)的构造向前迈进了一步,将非常深入的架构、学习算法和正则化方法融入到图像去噪中。具体来说,利用残差学习和批归一化来加速训练过程,提高去噪性能。与现有的判别去噪模型通常在一定噪声水平下训练特定的加性高斯白噪声模型不同,我们的DnCNN模型原创 2022-09-13 21:07:38 · 3708 阅读 · 3 评论 -
A Low-complexity Neural Network for Compressed Video Post-processing in HEVC
输入视频通过编码器形成比特流,然后解码器将比特流解码为视频。然后,通过后处理方法提高重构视频质量。后处理:视频后处理是一种在解码器端提高重构帧质量的方法。该模型包括特征提取层、质量增强层和重构层三部分。基于学习的后处理方法介绍•单帧后处理•多帧后处理。HEVC中压缩视频后处理的低复杂度神经网络。原创 2022-09-07 19:58:39 · 212 阅读 · 0 评论 -
Enhancing Quality for HEVC Compressed Videos
提高HEVC压缩视频的质量Abstract最新的高效视频编码(HEVC)标准已越来越多地应用于在互联网上生成视频流。然而,HEVC压缩视频可能会导致严重的质量下降,尤其是在低比特率下。因此,有必要在解码器侧提高HEVC视频的视觉质量。为此,本文提出了一种质量增强卷积神经网络(QE-CNN)方法,该方法不需要修改编码器即可实现HEVC的质量增强。特别是,我们的QE-CNN方法学习QE-CNN-I和QE-CNN-P模型,以分别减少HEVC I和P/B帧的失真。该方法不同于现有的基于CNN的质量增强方法,后者仅处原创 2022-07-28 12:26:16 · 539 阅读 · 0 评论