本文介绍了在ECCV 2020会议上发表的一种基于RNN的视频去模糊算法，通过使用残差密集块（RDB Cell）和全局时空注意力模块（GSA Module）在资源有限的条件下提高处理效率。尽管在性能上恢复效果有限，并且在与其他顶尖算法如STRCNN, DBN和IFIRNN的对比中显得不足，但该方法引入了新的数据集BSD并采用了不同的损失函数进行训练。实验部分展示了在GOPRO, REDS和BSD数据集上的定量和定性分析结果。"
104732083,8095173,数据库应用系统开发详解,"['数据库', '数据库系统', 'DBAS', '软件工程', '生命周期']
目录
评论
该文章是发表在计算机视觉领域三大顶级会议之一的ECCV(2020)，提出基于RNN的视频去模糊算法。该算法在计算资源有限的情况下解决视频去模糊的问题。
虽然能够减少computer cost并且提高效率，但是从其performance来看，复原结果不是很好。在实验部分，与现有的方法对比太少(STRCNN,in ICCV2017;DBN,in CVPR2017;IFIRNN,in CVPR2019)，缺少例如STFAN(ICCV2019),EDVR(CVPR2019)等算法，这些算法均是2020年之前比较好的视频去模糊算法。
介绍
- 针对多个视频帧存在时空变化的模糊以及提高效率，作者利用残差密集块作为RNN cell。
- 为了更好地融合多个视频帧的分层特征，作者提出全局时空注意力模块(GSA Module)来高效融合。
- 不同于GOPRO,REDS数据集，作者提出真实模糊视频数据集BSD。
方法
整体框架
RDB Cell的设计
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
