Deep Video Super-Resolution using HR Optical Flow Estimation | 视频超分重建 | 测试简记 |

最新推荐文章于 2022-08-11 15:48:13 发布
最新推荐文章于 2022-08-11 15:48:13 发布
阅读量2.2k 收藏 2
点赞数 1
分类专栏： 超分重建-代码环境搭建-知识总结 文章标签： 视频超分重建
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/sinat_28442665/article/details/112986949
版权
本文介绍了基于深度学习的视频超分辨率方法SOF-VSR，通过超分辨率光流估计提升视频细节恢复。提出OFRnet和SRnet，前者用于高分辨率光流估计，后者结合光流进行运动补偿并生成高分辨率视频帧。实验表明，SOF-VSR在Vid4和DAVIS-10数据集上表现优越。
摘要由CSDN通过智能技术生成
  • 🥇 版权: 本文由【墨理】原创、在CSDN首发、如需转载，请联系博主

声明：本博文只做该代码测试教程，感谢支持；

文章目录

📔 基础信息

GitHub项目链接：

这个项目 200M ，如果有同学下载困难，可以去我的的 码云 库进行下载

了解本专栏 订阅专栏 解锁全文
墨理学AI
关注
专栏目录
订阅专栏
AI实现视频超分技术详解
m0_70960708的博客
08-08 60
文章介绍了OpenCV如何利用AI深度学习模型（如EDSR、ESPCN等）实现视频和图像的超分辨率，对比了这些模型与传统插值方法（双三次、最近邻、Lanczos）在PSNR和SSIM指标上的效果。算法模型包括：edsr、espcn、fsrcnn、lapsrn，实现超分的倍数有2、3、4、8。接下来，我们对比AI算法、双三次插值、最近邻插值、Lanczos插值的超分效果。可以看到双三次插值、最近邻插值、Lanczos插值的图像有马赛克方块，而通过AI实现超分的图像比较清晰。// 读取超分模型、设置超分倍数。
Real-Time Video Super-Resolution with Spatio-Temporal Networks and Motion Compensation论文解析（视频超分）
qq_41889864的博客
03-11 4143
Real-Time Video Super-Resolution with Spatio-Temporal Networks and Motion Compensation论文解析（视频超分） 论文可以直接必应搜索下载，比百度好用 主要贡献 提出了一种基于亚像素卷积和时空网络的实时视频超分方法。 比较早期融合、慢速融合、3D卷积。 提出一种基于多尺度空间变换器网络的密集帧间运动补偿的有效方法。 将所提出的运动补偿技术与时空模型相结合，以提供一种高效的、端到端可训练的运动补偿视频 SR 算法。
视频超分辨
01-27
利用CLG变分光流估计对视频中相邻帧图像进行配准，再利用不同帧图像间的互补信息进行超分辨率重建。
视频超分：SOF-VSR（Learning for Video Super-Resolution through HR Optical Flow Estimation）
WangsyHebut的博客
11-28 1652
论文：视频超分的HR光流估计 参考代码：https://github.com/LongguangWang/SOF-VSR 文章检索出处： 2018 ACCV，同内容论文也发表在IEEE TIP, VOL. 29, 2020现有的基于深度学习的光流方法都使用LR光流。本文提出一个端到端可训练的视频SR架构，去同时处理图像和光流。具体地说，本文首先提出一个光流重建网络（OFRnet）来从粗到细地推断HR光流。然后，根据HR光流进行运动补偿。最后，补偿的LR输入被输入到一个超分网络（SRnet）来产生SR结果。首
视频超分：RRN（Revisiting Temporal Modeling for Video Super-resolution）
WangsyHebut的博客
10-12 4347
论文：用于视频超分的再审视时空模型 文章检索出处： 2020 BMVC
视频超分：EDVR（EDVR: Video Restoration with Enhanced Deformable Convolutional Networks）
WangsyHebut的博客
09-28 3709
论文：EDVR：视频超分与加强的可变形卷积网络 文章检索出处： 2019 ICCV仅供学习使用，请勿转载。
视频超分：DDAN（Learning a Deep Dual Attention Network for Video Super-Resolution）
WangsyHebut的博客
11-26 1754
论文名称：一个深度对偶注意的视频超分辨率网络 文章检索出处： IEEE TRANSACTIONS ON IMAGE PROCESSING, VOL. 29, 2020以往的方法大多采用小尺度运动估计来处理大的运动，由于空间分辨率的降低，会对运动估计的精度产生不利影响。此外，这些方法通常对不同的中间特征一视同仁，对高频细节信息的利用缺乏灵活性。为了解决上述问题,本文的主要贡献如下：先将中心帧ItLI_t^LItL​和相邻帧IiLI_i^LIiL​输入到MCNet中，生成相邻运动补偿帧I^iL\hat I_i
Detail-revealing Deep Video Super-resolution 论文笔记
Cyiano的博客
10-27 6328
视频超分辨 Detail-revealing Deep Video Super-resolution 论文笔记简介 视频超分辨关注的主要问题有两个：一是如何充分利用多帧关联信息，而是如何有效地融合图像细节到高分辨率图像中。 动作补偿方面，深度学习方法用的是backward warping到参考帧，但这个方法其实并不是最优的。多帧融合方面，虽然很多CNN方法可以产生丰富的细节，但不能确定图像细节是来自
deep-high-resolution-net.pytorch：该项目是CVPR2019论文“用于人体姿势估计的深度高分辨率表示学习”的正式实施。
02-05
用于人体姿势估计的深度高分辨率表示学习（CVPR 2019） 新闻 [2020/07/05]来自Towards Data Science的，介绍了HRNet和HigherHRNet用于人体姿态估计。 [2020/03/13] TPAMI接受了更长的版本：。 它包含了更多的HRNet...
Optical Flow Estimation
11-07
因此，研究人员提出了两种针对火焰检测优化的光流方法：最优质量传输模型（Optimal Mass Transport Model）和数据驱动光流方案（Data-Driven Optical Flow Scheme）。 #### 最优质量传输模型 最优质量传输模型是一...
视频超分：Deep Blind Video Super-resolution
WangsyHebut的博客
12-29 2137
论文：深度盲视频超分辨率方法 代码：https://github.com/jspan/blindvsr（Page not found） 文章检索出自：2020 arXiv现有的视频超分算法通常假设退化过程中的模糊核是已知的，并且超分时没有对模糊核进行建模。然而，这种假设通常会导致超分图像过分平滑。为此，本文的主要贡献如下： 1）提出了一个有效的视频超分算法，能够同时估计模糊核，运动场和潜在图像 2）提出了一种有效的核估计方法和图像反卷积算法去恢复高质量图像 3）基准数据集和真实世界的视频上对所提出的算法进行
视频超分：对齐、融合、特征提取、重建，EDVR、BasicVSR、BasicVSR++、RealBasicVSR
欢迎一起成长呀
08-11 2241
可以利用多帧间的信息更好地完成超分，帧间是时间上的信息，像素点上体现空间上的信息。流程：对齐、融合、特征提取、重建
视频超分算法TDAN: Temporally-Deformable Alignment Network for Video Super-Resolution
qq_45122568的博客
04-27 1989
原文链接：TDAN: Temporally-Deformable Alignment Network for Video Super-Resolution TDAN: Temporally-Deformable Alignment Network for Video Super-ResolutionAbstract二级目录三级目录 Abstract 视频超分辨率（VSR）旨在从相应的低分辨率（LR）帧（参考帧）和多个相邻帧（支持帧）恢复照片级真实感的高分辨率（HR）视频帧。由于摄像机或物体的不同运动，参考.
视频超分——10 FSTRN(待更新)
weixin_44319120的博客
06-11 465
Fast Spatio-Temporal Residual Network for Video Super-Resolution 参考资料： 论文内容： Github/pytorch： 主要创新点
通过HR光流估计学习视频超分辨率
yunxinan的专栏
03-22 926
Learning for Video Super-Resolution through HR Optical Flow Estimation 论文地址：https://arxiv.org/abs/1809.08573 代码地址：https://github.com/LongguangWang/SOF-VSR
视频超分——04 FRVSR
weixin_44319120的博客
06-09 677
Frame-Recurrent Video Super-Resolution 参考资料： 论文内容：https://blog.csdn.net/Resume_f/article/details/104005414 Github/pytorch：https://github.com/amanchadha/FRVSR-GAN 主要创新点 提出了一个循环框架，使用前一帧估计的HR生成下一帧的输出，有利于促进时间上一致 网络结构 FNet+SRNet ...
视频超分——14 PFNL(待更新)
weixin_44319120的博客
06-11 430
Progressive Fusion Video Super-Resolution Network via Exploiting Non-Local Spatio-Temporal Correlations 参考资料： 论文内容： Github/pytorch： 主要创新点
视频超分算法EDVR：Video Restoration with Enhanced Deformable Convolutional Network超分辨率重建
qq_45122568的博客
05-05 4498
EDVR: Video Restoration with Enhanced Deformable Convolutional Networks一级目录二级目录三级目录 一级目录 二级目录 三级目录
详细解释一下FastNet: Fast high-resolution network for human pose estimation
最新发布
03-28
FastNet是一种快速高分辨率网络，用于人体姿势估计。它是基于深度学习的模型，旨在快速准确地预测人体关键点的位置，从而实现人体姿势估计。 FastNet的设计采用了一些创新的技术，以提高模型的准确性和速度。...
评论 8
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

墨理学AI

不必打赏，关注博主公众号即可

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值