happyrobot01的博客

视频超分中影响超分性能的最主要因素就是帧间对齐效果的好坏。对于不同帧间的对齐，比较常用的就是光流对齐。但是基于光流对齐的模型需要额外的光流估计网络，光流估计的效果极大地影响着视频超分的性能。因此，如何端到端的完成对齐和重建是很值得思考的。 TDAN模型虽然是CVPR2020年的入选文章，但是其于2019年就已经提出，并且其改进版EDVR也已经入选CVPR2019。所以作为视频超分中首次以可变形卷积完成特征对齐的文章，TDAN可以作为视频超分的基础文章来看。 TDA...

很简单，在模型的定义或者训练文件中，是可以使用#coding=gbk来使得文件中可以有中文注释的；但是在configs文件中，不能有中文注释，用了#coding也不行，这个错误把configs中的中文注释删掉就好了。...

视频超分是由图像超分发展而来的。基于深度学习的图像超分辨率(SISR)首次实现于2014年，推广到视频超分是在2017年，由此可见超分辨率还是一个比较新颖的课题方向。 超分类任务主要源自对图像视频信息的传输和恢复。在实际生活中，有很多情况下需要对图像或者视频进行传输，而由于视频图像的分辨率越来越高，体积越来越大，传输成本比如网络带宽等也在不断提升。因此对图像或者视频进行下采样（压缩）之后再进行传输，到达客户端以后在对图像视频进行恢复（restore）是很有必要的(比如微...