CN116862762A - 一种视频超分方法、装置、设备及存储介质 - Google Patents
一种视频超分方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116862762A CN116862762A CN202210286954.8A CN202210286954A CN116862762A CN 116862762 A CN116862762 A CN 116862762A CN 202210286954 A CN202210286954 A CN 202210286954A CN 116862762 A CN116862762 A CN 116862762A
- Authority
- CN
- China
- Prior art keywords
- feature
- video
- scale
- video frame
- feature interaction
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000003860 storage Methods 0.000 title claims abstract description 17
- 230000003993 interaction Effects 0.000 claims abstract description 131
- 230000004927 fusion Effects 0.000 claims abstract description 34
- 238000004590 computer program Methods 0.000 claims description 16
- 230000006870 function Effects 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 11
- 230000007246 mechanism Effects 0.000 claims description 9
- 238000005070 sampling Methods 0.000 claims description 8
- 239000004973 liquid crystal related substance Substances 0.000 claims description 7
- 238000010276 construction Methods 0.000 claims description 6
- 239000000758 substrate Substances 0.000 claims 2
- 230000000875 corresponding effect Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 230000002776 aggregation Effects 0.000 description 3
- 238000004220 aggregation Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000012633 leachable Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformation in the plane of the image
- G06T3/40—Scaling the whole image or part thereof
- G06T3/4053—Super resolution, i.e. output image resolution higher than sensor resolution
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformation in the plane of the image
- G06T3/40—Scaling the whole image or part thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration by the use of more than one image, e.g. averaging, subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Abstract
本发明公开了一种视频超分方法、装置、设备及存储介质。该方法包括:获取包含至少两个原始视频帧的原始视频帧序列;采用预先训练好的目标多尺度视频超分模型,对所述原始视频帧序列进行视频超分操作,输出包含目标视频帧的目标视频帧序列;其中,所述目标多尺度视频超分模型包含多尺度特征交互网络和图像重建网络,所述多尺度特征交互网络用于对各所述原始视频帧进行多尺度特征交互和特征融合,所述图像重建网络基于所述特征交互网络输出的特征图进行图像重构。本发明构建多尺度视频超分模型,将视频帧形成不同尺寸的特征图进行信息交互,可以关注不同细粒度的特征信息,同时避免使用现有视频超分模型中的对齐模块,减少计算量,提升模型性能。
Description
技术领域
本发明涉及视频图像处理技术领域,尤其涉及一种视频超分方法、装置、设备及存储介质。
背景技术
相比于图片超分任务,视频超分辨率(VSR)不仅需要利用单个图像帧上的固有特性进行图像超分辨率,还涉及到聚合从视频序列中的多个高度相关但未对齐的帧中提取的信息。由于视频中物体的运动以及拍摄视频镜头的移动,视频中不同帧的信息之间存在着明显的位移,为了更好的利用不同帧的信息,现有的方法都会设计专门用来对齐不同帧信息的对齐模块,并有专门的对比实验来说明所提出的对齐模块的必要性。
目前存在一些代表性的方法,例如在RBPN方法中,多个投影模块被用于顺序聚合来自多个帧的特征;在BasicVSR方法中,将常见的VSR框架归纳为四个部分,即信息流通(Propagation)、对齐(Alignment)、聚合(Aggregation)和上采样(Upsampling),双向传播被用于从整个输入视频中提取信息进行重建,采用光流进行特征扭曲;最近提出的BasicVSR++,在BasicVSR的基础上,使用了更加复杂的对齐模块来进一步的更好的对齐不同帧的特征;Swin-Transformer融合了CNN和Transformer的优点,在计算机领域显示出巨大的前景。基于Swin-Transformer里面提出的基础模块构建的SwinIR,在同等参数量的情况下,也在众多底层视觉任务中都达到了比CNN更好的性能。
虽然上述方法都可以实现视频超分任务,但是这些方法为了更好的进行不同帧之间的信息融合,都有着各种各样特别复杂的对齐模块,实现过程复杂,计算量大,对处理设备的要求高。
发明内容
本发明提供了一种视频超分发明名称,以实现快速对视频图像进行超分辨率操作。
根据本发明的一方面,提供了一种视频超分方法,该方法包括:
根据本发明的另一方面,提供了一种视频超分装置,该装置包括:
根据本发明的另一方面,提供了一种电子设备,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行本发明任一实施例所述的视频超分方法。
根据本发明的另一方面,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现本发明任一实施例所述的视频超分方法。
本发明实施例的技术方案,通过获取包含至少两个原始视频帧的原始视频帧序列,采用预先训练好的目标多尺度视频超分模型,对原始视频帧序列进行视频超分操作,输出包含目标视频帧的目标视频帧序列;其中,目标多尺度视频超分模型包含多尺度特征交互网络和图像重建网络,多尺度特征交互网络用于对各原始视频帧进行多尺度特征交互和特征融合,图像重建网络基于特征交互网络输出的特征图进行图像重构,解决了现有技术的视频超分方法为了进行不同帧之间的信息融合,使用视频帧对齐方法导致计算过程复杂,计算量大的问题,本发明实施例构建多尺度视频超分模型,将视频帧形成不同尺寸的特征图进行信息交互,可以关注不同细粒度的特征信息,实现了减少计算量,提升模型性能的效果。
应当理解,本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征,也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1a是根据本发明实施例一提供的一种视频超分方法的流程图;
图1b是根据本发明实施例一提供的一种视频超分方法中VSTL层的结构示意图;
图1c是根据本发明实施例一提供的一种视频超分方法的原理示意图;
图2是根据本发明实施例二提供的一种视频超分装置的结构示意图;
图3是实现本发明实施例的视频超分方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“原始”、“目标”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1a为本发明实施例一提供了一种视频超分方法的流程图,本实施例可适用于对视频图像进行超分辨率处理的情况,该方法可以由视频超分装置来执行,该视频超分装置可以采用硬件和/或软件的形式实现,该视频超分装置可配置于计算机设备中。如图1所示,该方法包括:
S110、获取包含至少两个原始视频帧的原始视频帧序列。
在实际应用中,需要对视频图像进行超分辨率操作时,可以将一段长视频进行裁剪,形成包含一定数量视频帧的视频片段,在本实施例中,每个进行超分辨率操作之前的视频片段包含的视频帧集合可以称作一个原始视频帧序列。一个原始视频帧序列内多个连续的视频帧可以称为原始视频帧。
S120、采用预先训练好的目标多尺度视频超分模型,对原始视频帧序列进行视频超分操作,输出包含目标视频帧的目标视频帧序列;其中,目标多尺度视频超分模型包含多尺度特征交互网络和图像重建网络,多尺度特征交互网络用于对各原始视频帧进行多尺度特征交互和特征融合,图像重建网络基于特征交互网络输出的特征图进行图像重构。
在本实施例中,可以预先搭建好多尺度视频超分模型,通过大量的训练数据进行训练后,得到目标多尺度视频超分模型。在对原始视频帧序列进行超分处理时,可以将原始视频帧序列作为输入数据,输入目标多尺度视频超分模型,目标多尺度视频超分模型通过对原始视频帧序列中的各个原始视频帧进行不同尺度的信息交互和特征融合,对每个原始视频帧的特征图进行重建后,可以得到对应的目标视频帧,目标视频帧按序排列就形成了超分处理后的目标视频帧序列。
可选的,多尺度特征交互网络可以由一个初始特征交互模块、至少一个多尺度特征交互模块和一个末端特征交互模块串联组成;初始特征交互模块可以用于对各原始视频帧进行特征交互;多尺度特征交互模块可以用于对初始特征交互子网或前一个多尺度特征交互模块输出的所有特征图进行多尺度特征交互和特征融合;末端特征交互模块可以用于对最后一个多尺度特征交互模块输出的所有特征图进行特征交互。
在实际应用中,多尺度特征交互模块的数量可以根据实际应用场景具体设定,可以是2个、3个或者4个。当多尺度特征交互模块有2个时,原始视频帧序列输入目标多尺度视频超分模型,由初始特征交互模块对原始视频帧序列中的所有原始视频帧进行特征交互,输出各个原始视频帧与其他原始视频帧进行特征交互后的特征图;第一个多尺度特征交互模块获取到初始特征交互模块输出的各个特征图后,对各个特征图进行多尺度特征交互和特征融合,然后输入第二个多尺度特征交互模块;第二个多尺度特征交互模块再次对第一个多尺度特征交互模块输出的各个特征图进行多尺度特征交互和特征融合后,输入末端特征交互模块;末端特征交互模块再对第二个多尺度特征交互模块输出的所有特征图进行特征交互。
进一步的,多尺度特征交互模块可以包括至少两个RVSTB单元和一个特征融合单元;将输入多尺度特征交互模块的特征图按照预设采样频率进行下采样,采用RVSTB单元对下采样的特征图进行特征交互,并在特征交互后按预设采样频率进行上采样;特征融合单元用于对各RVSTB单元针对同一输入的特征图对应的所有输出特征图进行特征融合。
在本实施例中,RVSTB单元可以包括至少两个VSTL层和一个卷积层。VSTL层可以采用移位窗口机制和注意力机制实现特征交互。
在实际应用中,RVSTB(Residual Video Swin Transformer Block)单元可以构建不同视频帧之间的相关性,完成多视频帧之间信息的不断交互。多尺度特征交互模块中RVSTB单元的数量可以根据实际应用场景具体设定。RVSTB单元的数量可以与预设采样频率的数量一致,也就是说,特征图的预设采样频率有3种,多尺度特征交互模块中RVSTB单元的数量即为3,特征图的预设采样频率有4种,多尺度特征交互模块中RVSTB单元的数量即为4。
同理,RVSTB单元中VSTL层的数量也可以根据实际应用场景具体设定,VSTL层的数量可以体现特征交互的程度。可以理解的是,在一定范围内,VSTL层越多,特征图之间的信息交互程度越深。
具体的,VSTL层可以由LayerNorm,MSA,MLP和残差连接组成。该网络结构可以是基于原始Transformer layer使用的标准多头自注意力进行改进的,与原始的Transformer网络的主要区别在于局部注意力机制和移位窗口机制。图1b是根据本发明实施例一提供的一种视频超分方法中VSTL层的结构示意图,如图1b所示,给定输入的尺寸为T×H×W×C,其中,T可以表示输入的帧数,H可以表示输入的每一张图片的高度,W可以表示输入的每一张图片的宽度,C可以表示输入的每一张图片的通道数,通道数可以默认是3;Video SwinTransformer可以先使用1个Conv3d层将输入划分成非重叠的维度为N×M×M的小窗,针对每一个小窗,可以独立计算其自注意力的结果,对于一个小窗的特征N×M2×C可以表示小窗内所有点向量组成的维度,其中每一个点的维度是C,由于小窗里面有N×M×M个像素点,所以是N×M2×C;将其和三个可学习的映射矩阵PQ,PK,PV分别进行相乘,就能得到相应的query(Q),key(K)和value(V)值。随后可以计算其相应的注意力矩阵:
其中,可以计算query和key之间的相似性,即query中的每一个点和key中的每一个点都是一个相似性结果;之后与V相乘,就得到了融合其它帧以及自己帧后新的特征。
上述的注意力操作会并行进行h次,之后这h个结果会被concat起来。
MLP层可以包含两个FC层和一个GELU激活函数。LayerNorm层在MSA和MLP层之间使用,在MSA和MLP操作之后,都会接入一个残差连接。整个过程可以用公式表示如下:
X=MSA(LN(X))+X,
X=MLP(LN(X))+X,
上述所说的操作都是在局部划分的小窗内部进行的,为了进行不同小窗之间信息的交互,可以使用移位窗口机制进行。
可选的,图像重建网络包括特征图像重建模块、插值图像构建模块和图像融合模块;特征图像重建模块用于对特征交互网络输出的特征图进行特征重构,形成重构图像;插值图像构建模块用于对原始视频帧进行图像插值,形成插值图像;图像融合模块用于对重构图像和插值图像进行融合,形成目标视频帧。
具体的,对特征交互网络输出的特征图进行特征重构,形成重构图像,同时使用插值放大的方法对原始视频帧进行图像插值,形成插值图像,将同一原始视频帧对应的重构图像和插值图像,就得到超分后的目标视频帧。
示例性的,图1c是根据本发明实施例一提供的一种视频超分方法的原理示意图。如图1c所示,获取的原始视频帧序列包含5个原始视频帧,该目标多尺度视频超分模型中的多尺度特征交互网络由1个初始特征交互模块、3个多尺度特征交互模块和1个末端特征交互模块串联组成,其中,初始特征交互模块包括1个RVSTB单元,每个多尺度特征交互模块包括3个RVSTB单元和一个特征融合单元,末端特征交互模块包括1个RVSTB单元;预设采样频率为1倍、2倍和4倍;1个RVSTB单元包括6个VSTL层和1个卷积层,1个特征融合单元包括1个卷积层。输入的连续5帧原始视频图像首先会经过1个RVSTB模块,输出的特征图经过3个多尺度特征交互模块;每一个多尺度特征交互模块是针对3个不同尺寸的特征图使用RVSTB模块进行处理的,针对处理完的3个尺寸的特征图,可以先将2个小的特征图变化到和主特征图同样的尺寸,之后对这3个特征图进行concat,然后使用1个Conv3D进行信息的聚合;经过3个多尺度特征交互模块后再经过1个RVSTB模块,用于进一步的融合不同特征图的信息;之后再经过一个特征重建模块,将特征重建的输出和使用插值放大的输入图片进行相加,就得到最终的多帧超分结果。
本发明实施例的技术方案,通过获取包含至少两个原始视频帧的原始视频帧序列,采用预先训练好的目标多尺度视频超分模型,对原始视频帧序列进行视频超分操作,输出包含目标视频帧的目标视频帧序列;其中,目标多尺度视频超分模型包含多尺度特征交互网络和图像重建网络,多尺度特征交互网络用于对各原始视频帧进行多尺度特征交互和特征融合,图像重建网络基于特征交互网络输出的特征图进行图像重构,解决了现有技术的视频超分方法为了进行不同帧之间的信息融合,使用视频帧对齐方法导致计算过程复杂,计算量大的问题,本发明实施例构建多尺度视频超分模型,将视频帧形成不同尺寸的特征图进行信息交互,可以关注不同细粒度的特征信息,实现了减少计算量,提升模型性能的效果。
在上述方案的基础上,本实施例中目标多尺度视频超分模型的训练过程可以包括:
A1、获取包含低分视频帧序列和对应标准高分视频帧序列的训练数据集。
具体的,在训练模型时,需要使用大量的训练数据,每组训练数据都可以包括一个低分视频帧序列和对应的标准高分视频帧序列。低分视频帧序列包含一定数量的低分辨率视频帧,标准高分视频帧序列包含一定数量的高分辨率视频帧,低分辨率视频帧可以由高分辨率视频帧降采样得到。
A2、将低分视频帧序列输入待训练多尺度视频超分模型,获得输出的实际高分视频帧序列。
在本实施例中,待训练多尺度视频超分模型可以预先搭建,待训练多尺度视频超分模型可以由待训练多尺度特征交互网络和待训练图像重建网络构成;待训练多尺度特征交互网络可以由一个待训练初始特征交互模块、至少一个待训练多尺度特征交互模块和一个待训练末端特征交互模块串联组成;待训练多尺度特征交互模块可以包括至少两个待训练RVSTB单元和一个待训练特征融合单元;每个待训练RVSTB单元可以包括至少两个VSTL层和一个卷积层。
具体的,将低分视频帧序列作为输入数据,输入搭建好的待训练多尺度视频超分模型,可以获得输出的实际高分视频帧序列。
A3、根据标准高分视频帧序列和实际高分视频帧序列,获得拟合损失函数。
具体的,由于标准高分视频帧序列是实际存在高分辨率视频帧序列,实际高分视频帧序列是由未完成训练的模型计算输出的,因此标准高分视频帧序列和实际高分视频帧序列必然存在一定的误差,可以根据该误差,形成拟合损失函数,以实现对待训练多尺度视频超分模型的训练调参。
A4、通过拟合损失函数对待训练多尺度视频超分模型进行反向传播,得到目标多尺度视频超分模型。
具体的,在得到拟合损失函数后,可以通过拟合损失函数对待训练多尺度视频超分模型进行反向传播,不断调整行为识别模型,最终得到目标多尺度视频超分模型。
实施例二
图2为本发明实施例二提供的一种视频超分装置的结构示意图。如图2所示,该装置包括:
数据获取模块210,用于获取包含至少两个原始视频帧的原始视频帧序列。
视频超分模块220,用于采用预先训练好的目标多尺度视频超分模型,对所述原始视频帧序列进行视频超分操作,输出包含目标视频帧的目标视频帧序列;其中,所述目标多尺度视频超分模型包含多尺度特征交互网络和图像重建网络,所述多尺度特征交互网络用于对各所述原始视频帧进行多尺度特征交互和特征融合,所述图像重建网络基于所述特征交互网络输出的特征图进行图像重构。
可选的,所述多尺度特征交互网络由一个初始特征交互模块、至少一个多尺度特征交互模块和一个末端特征交互模块串联组成;
所述初始特征交互模块用于对各所述原始视频帧进行特征交互;
所述多尺度特征交互模块用于对所述初始特征交互子网或前一个多尺度特征交互模块输出的所有特征图进行多尺度特征交互和特征融合;
所述末端特征交互模块用于对最后一个多尺度特征交互模块输出的所有特征图进行特征交互。
可选的,所述多尺度特征交互模块包括至少两个RVSTB单元和一个特征融合单元;
将输入所述多尺度特征交互模块的特征图按照预设采样频率进行下采样,采用所述RVSTB单元对下采样的特征图进行特征交互,并在特征交互后按所述预设采样频率进行上采样;
所述特征融合单元用于对各所述RVSTB单元针对同一输入的特征图对应的所有输出特征图进行特征融合。
可选的,所述RVSTB单元包括至少两个VSTL层和一个卷积层。
可选的,所述VSTL层采用移位窗口机制和注意力机制实现特征交互。
可选的,所述图像重建网络包括特征图像重建模块、插值图像构建模块和图像融合模块;
所述特征图像重建模块用于对所述特征交互网络输出的特征图进行特征重构,形成重构图像;
所述插值图像构建模块用于对所述原始视频帧进行图像插值,形成插值图像;
所述图像融合模块用于对所述重构图像和所述插值图像进行融合,形成所述目标视频帧。
可选的,所述目标多尺度视频超分模型的训练步骤包括:
获取包含低分视频帧序列和对应标准高分视频帧序列的训练数据集;
将所述低分视频帧序列输入待训练多尺度视频超分模型,获得输出的实际高分视频帧序列;
根据所述标准高分视频帧序列和所述实际高分视频帧序列,获得拟合损失函数;
通过所述拟合损失函数对所述待训练多尺度视频超分模型进行反向传播,得到所述目标多尺度视频超分模型。
本发明实施例所提供的视频超分装置可执行本发明任意实施例所提供的视频超分方法,具备执行方法相应的功能模块和有益效果。
实施例三
图3示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图3所示,电子设备10包括至少一个处理器11,以及与至少一个处理器11通信连接的存储器,如只读存储器(ROM)12、随机访问存储器(RAM)13等,其中,存储器存储有可被至少一个处理器执行的计算机程序,处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序,来执行各种适当的动作和处理。在RAM 13中,还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15,包括:输入单元16,例如键盘、鼠标等;输出单元17,例如各种类型的显示器、扬声器等;存储单元18,例如磁盘、光盘等;以及通信单元19,例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理,例如视频超分方法。
在一些实施例中,视频超分方法可被实现为计算机程序,其被有形地包含于计算机可读存储介质,例如存储单元18。在一些实施例中,计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时,可以执行上文描述的视频超分方法的一个或多个步骤。备选地,在其他实施例中,处理器11可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行视频超分方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器,使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中,计算机可读存储介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。备选地,计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在电子设备上实施此处描述的系统和技术,该电子设备具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,又称为云计算服务器或云主机,是云计算服务体系中的一项主机产品,以解决了传统物理主机与VPS服务中,存在的管理难度大,业务扩展性弱的缺陷。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本发明的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本发明保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等,均应包含在本发明保护范围之内。
Claims (10)
1.一种视频超分方法,其特征在于,包括:
获取包含至少两个原始视频帧的原始视频帧序列;
采用预先训练好的目标多尺度视频超分模型,对所述原始视频帧序列进行视频超分操作,输出包含目标视频帧的目标视频帧序列;其中,所述目标多尺度视频超分模型包含多尺度特征交互网络和图像重建网络,所述多尺度特征交互网络用于对各所述原始视频帧进行多尺度特征交互和特征融合,所述图像重建网络基于所述特征交互网络输出的特征图进行图像重构。
2.根据权利要求1所述的方法,其特征在于,
所述多尺度特征交互网络由一个初始特征交互模块、至少一个多尺度特征交互模块和一个末端特征交互模块串联组成;
所述初始特征交互模块用于对各所述原始视频帧进行特征交互;
所述多尺度特征交互模块用于对所述初始特征交互子网或前一个多尺度特征交互模块输出的所有特征图进行多尺度特征交互和特征融合;
所述末端特征交互模块用于对最后一个多尺度特征交互模块输出的所有特征图进行特征交互。
3.根据权利要求2所述的方法,其特征在于,
所述多尺度特征交互模块包括至少两个RVSTB单元和一个特征融合单元;
将输入所述多尺度特征交互模块的特征图按照预设采样频率进行下采样,采用所述RVSTB单元对下采样的特征图进行特征交互,并在特征交互后按所述预设采样频率进行上采样;
所述特征融合单元用于对各所述RVSTB单元针对同一输入的特征图对应的所有输出特征图进行特征融合。
4.根据权利要求3所述的方法,其特征在于,
所述RVSTB单元包括至少两个VSTL层和一个卷积层。
5.根据权利要求4所述的方法,其特征在于,
所述VSTL层采用移位窗口机制和注意力机制实现特征交互。
6.根据权利要求1中任一项所述的方法,其特征在于,
所述图像重建网络包括特征图像重建模块、插值图像构建模块和图像融合模块;
所述特征图像重建模块用于对所述特征交互网络输出的特征图进行特征重构,形成重构图像;
所述插值图像构建模块用于对所述原始视频帧进行图像插值,形成插值图像;
所述图像融合模块用于对所述重构图像和所述插值图像进行融合,形成所述目标视频帧。
7.根据权利要求1-6中任一项所述的方法,其特征在于,所述目标多尺度视频超分模型的训练步骤包括:
获取包含低分视频帧序列和对应标准高分视频帧序列的训练数据集;
将所述低分视频帧序列输入待训练多尺度视频超分模型,获得输出的实际高分视频帧序列;
根据所述标准高分视频帧序列和所述实际高分视频帧序列,获得拟合损失函数;
通过所述拟合损失函数对所述待训练多尺度视频超分模型进行反向传播,得到所述目标多尺度视频超分模型。
8.一种视频超分装置,其特征在于,包括:
数据获取模块,用于获取包含至少两个原始视频帧的原始视频帧序列;
视频超分模块,用于采用预先训练好的目标多尺度视频超分模型,对所述原始视频帧序列进行视频超分操作,输出包含目标视频帧的目标视频帧序列;其中,所述目标多尺度视频超分模型包含多尺度特征交互网络和图像重建网络,所述多尺度特征交互网络用于对各所述原始视频帧进行多尺度特征交互和特征融合,所述图像重建网络基于所述特征交互网络输出的特征图进行图像重构。
9.一种电子设备,其特征在于,所述电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-7中任一项所述的视频超分方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的视频超分方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210286954.8A CN116862762A (zh) | 2022-03-22 | 2022-03-22 | 一种视频超分方法、装置、设备及存储介质 |
PCT/CN2023/080945 WO2023179385A1 (zh) | 2022-03-22 | 2023-03-10 | 一种视频超分方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210286954.8A CN116862762A (zh) | 2022-03-22 | 2022-03-22 | 一种视频超分方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116862762A true CN116862762A (zh) | 2023-10-10 |
Family
ID=88099817
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210286954.8A Pending CN116862762A (zh) | 2022-03-22 | 2022-03-22 | 一种视频超分方法、装置、设备及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN116862762A (zh) |
WO (1) | WO2023179385A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117094999B (zh) * | 2023-10-19 | 2023-12-22 | 南京航空航天大学 | 一种跨尺度缺陷检测方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110689558B (zh) * | 2019-09-30 | 2022-07-22 | 清华大学 | 多传感器图像增强方法及装置 |
CN112070667A (zh) * | 2020-08-14 | 2020-12-11 | 西安理工大学 | 一种多尺度特征融合的视频超分辨率重建的方法 |
CN112419152B (zh) * | 2020-11-23 | 2024-03-29 | 中国科学院深圳先进技术研究院 | 一种图像超分辨率方法、装置、终端设备和存储介质 |
CN112991183B (zh) * | 2021-04-09 | 2023-06-20 | 华南理工大学 | 一种基于多帧注意力机制渐进式融合的视频超分辨率方法 |
-
2022
- 2022-03-22 CN CN202210286954.8A patent/CN116862762A/zh active Pending
-
2023
- 2023-03-10 WO PCT/CN2023/080945 patent/WO2023179385A1/zh unknown
Also Published As
Publication number | Publication date |
---|---|
WO2023179385A1 (zh) | 2023-09-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11841921B2 (en) | Model training method and apparatus, and prediction method and apparatus | |
CN112990219B (zh) | 用于图像语义分割的方法和装置 | |
CN112991180B (zh) | 图像拼接方法、装置、设备以及存储介质 | |
CN113538235B (zh) | 图像处理模型的训练方法、装置、电子设备及存储介质 | |
CN115409855B (zh) | 图像处理方法、装置、电子设备和存储介质 | |
CN111932464B (zh) | 超分辨率模型使用和训练方法、装置、设备及介质 | |
CN112541878A (zh) | 建立图像增强模型与图像增强的方法、装置 | |
CN113379627A (zh) | 图像增强模型的训练方法和对图像进行增强的方法 | |
CN111553840B (zh) | 图像超分辨的模型训练和处理方法、装置、设备和介质 | |
CN112967381A (zh) | 三维重建方法、设备和介质 | |
CN114792355B (zh) | 虚拟形象生成方法、装置、电子设备和存储介质 | |
CN114693934B (zh) | 语义分割模型的训练方法、视频语义分割方法及装置 | |
CN114202648B (zh) | 文本图像矫正方法、训练方法、装置、电子设备以及介质 | |
CN115170815A (zh) | 视觉任务处理及模型训练的方法、装置、介质 | |
WO2023179385A1 (zh) | 一种视频超分方法、装置、设备及存储介质 | |
US20230005171A1 (en) | Visual positioning method, related apparatus and computer program product | |
CN113361536B (zh) | 图像语义分割模型训练、图像语义分割方法及相关装置 | |
CN113610856B (zh) | 训练图像分割模型和图像分割的方法和装置 | |
CN113554550B (zh) | 图像处理模型的训练方法、装置、电子设备及存储介质 | |
WO2021218414A1 (zh) | 视频增强方法及装置、电子设备、存储介质 | |
CN113240780B (zh) | 生成动画的方法和装置 | |
CN115330851A (zh) | 单目深度估计方法、装置、电子设备、存储介质及车辆 | |
CN114282664A (zh) | 自反馈模型训练方法、装置、路侧设备及云控平台 | |
CN112862877B (zh) | 用于训练图像处理网络和图像处理的方法和装置 | |
CN116012230B (zh) | 一种时空视频超分辨率方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |