基于深度学习的视频超分辨率重构进展综述

TP183; 视频超分辨率是根据给定的低分辨率视频序列恢复其对应的高分辨率视频帧的过程.近年来,VSR在深度学习的驱动下取得了重大突破.为了进一步促进VSR的发展,文中对基于深度学习的VSR算法进行了归类、分析和比较.首先,根据网络结构将现有方法分为两大类,即基于迭代网络的VSR和基于递归网络的VSR,并对比分析了不同网络模型的优缺点.然后,全面介绍了VSR数据集,并在一些常用的公共数据集上对已有算法进行了总结和比较.最后,对VSR算法中的关键问题进行了分析,并对其应用前景进行了展望....

Full description

Saved in:
Bibliographic Details
Published in计算机科学 Vol. 49; no. 2; pp. 123 - 133
Main Authors 冷佳旭, 王佳, 莫梦竟成, 陈泰岳, 高新波
Format Journal Article
LanguageChinese
Published 南京理工大学江苏省社会安全图像与视频理解重点实验室 南京210094%重庆邮电大学图像认知重庆市重点实验室 重庆400065 2022
重庆邮电大学图像认知重庆市重点实验室 重庆400065
Subjects
视频超分辨率;深度学习;卷积神经网络;帧间信息
Online AccessGet full text

Cover

More Information
Summary:TP183; 视频超分辨率是根据给定的低分辨率视频序列恢复其对应的高分辨率视频帧的过程.近年来,VSR在深度学习的驱动下取得了重大突破.为了进一步促进VSR的发展,文中对基于深度学习的VSR算法进行了归类、分析和比较.首先,根据网络结构将现有方法分为两大类,即基于迭代网络的VSR和基于递归网络的VSR,并对比分析了不同网络模型的优缺点.然后,全面介绍了VSR数据集,并在一些常用的公共数据集上对已有算法进行了总结和比较.最后,对VSR算法中的关键问题进行了分析,并对其应用前景进行了展望.
ISSN:1002-137X
DOI:10.11896/jsjkx.211000007