JP2021519051A - ビデオ修復方法および装置、電子機器、ならびに記憶媒体 - Google Patents
ビデオ修復方法および装置、電子機器、ならびに記憶媒体 Download PDFInfo
- Publication number
- JP2021519051A JP2021519051A JP2021506038A JP2021506038A JP2021519051A JP 2021519051 A JP2021519051 A JP 2021519051A JP 2021506038 A JP2021506038 A JP 2021506038A JP 2021506038 A JP2021506038 A JP 2021506038A JP 2021519051 A JP2021519051 A JP 2021519051A
- Authority
- JP
- Japan
- Prior art keywords
- optical flow
- image
- reverse
- optimization
- optimized
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 203
- 230000008439 repair process Effects 0.000 title claims abstract description 127
- 230000003287 optical effect Effects 0.000 claims abstract description 794
- 238000005457 optimization Methods 0.000 claims abstract description 264
- 238000012545 processing Methods 0.000 claims abstract description 72
- 230000008569 process Effects 0.000 claims description 132
- 238000012549 training Methods 0.000 claims description 45
- 230000006870 function Effects 0.000 claims description 26
- 238000004590 computer program Methods 0.000 claims description 18
- 238000010586 diagram Methods 0.000 abstract description 19
- 238000004891 communication Methods 0.000 description 10
- 230000008859 change Effects 0.000 description 8
- 239000000654 additive Substances 0.000 description 6
- 230000000996 additive effect Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000010248 power generation Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- 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
- G06T2207/20081—Training; Learning
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/01—Conversion of standards, e.g. involving analogue television standards or digital television standards processed at pixel level
- H04N7/0135—Conversion of standards, e.g. involving analogue television standards or digital television standards processed at pixel level involving interpolation processes
- H04N7/0137—Conversion of standards, e.g. involving analogue television standards or digital television standards processed at pixel level involving interpolation processes dependent on presence/absence of motion, e.g. of motion zones
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Studio Devices (AREA)
- Image Processing (AREA)
- Picture Signal Circuits (AREA)
- Television Systems (AREA)
Abstract
Description
オプティカルフロー
前記複数フレームの画像の時間フレームの逆方向順序に従って、1番目の第2の逆方向オプティカルフローに基づいて1番目の画像に対してシフト処理を行い、2番目の画像の第2の修復画像を得るステップS30021と、
h番目の画像と前記h番目の画像の修復画像との加算処理を行い、h番目の画像の第2の加算画像を得、h番目の第2の逆方向オプティカルフローで前記h番目の第2の加算画像に対してシフト処理を行い、h+1番目の画像の第2の修復画像を得て、hは1より大きく且つG以下の正整数であり、Gは複数フレームの画像の画像数を表すステップS30022と、を含んでもよい。
連続した複数フレームの画像に対して隣接画像間の第1の順方向オプティカルフローおよび第1の逆方向オプティカルフローを取得するための取得モジュール10と、前記第1の順方向オプティカルフローおよび第1の逆方向オプティカルフローに対してそれぞれオプティカルフロー最適化処理を行い、前記第1の順方向オプティカルフローに対応する第2の順方向オプティカルフロー、および前記第1の逆方向オプティカルフローに対応する第2の逆方向オプティカルフローを得るためのオプティカルフロー最適化モジュール20と、前記第2の順方向オプティカルフローを用いて前記連続した複数フレームの画像に対して順方向の伝播最適化を行い、前記第2の逆方向オプティカルフローを用いて前記連続した複数フレームの画像に対して逆方向の伝播最適化を行うことを、最適化後の連続した複数フレームの画像の各々がいずれも修復の要求を満たすまで実行するための伝播最適化モジュール30と、順方向の伝播最適化および逆方向の伝播最適化により得られた最適化画像に基づいて、前記連続した複数フレームの画像の修復画像を得るための修復モジュール40と、を含む。
Claims (23)
- 連続した複数フレームの画像に対して隣接画像間の第1の順方向オプティカルフローおよび第1の逆方向オプティカルフローを取得することと、
前記第1の順方向オプティカルフローおよび第1の逆方向オプティカルフローに対してそれぞれオプティカルフロー最適化処理を行い、前記第1の順方向オプティカルフローに対応する第2の順方向オプティカルフロー、および前記第1の逆方向オプティカルフローに対応する第2の逆方向オプティカルフローを得ることと、
前記第2の順方向オプティカルフローを用いて前記連続した複数フレームの画像に対して順方向の伝播最適化を行い、前記第2の逆方向オプティカルフローを用いて前記連続した複数フレームの画像に対して逆方向の伝播最適化を行うことを、最適化後の連続した複数フレームの画像の各々が修復の要求を満たすまで実行することと、
順方向の伝播最適化および逆方向の伝播最適化により得られた最適化画像に基づいて、前記連続した複数フレームの画像の修復画像を得ることとを含む、ことを特徴とするビデオ修復方法。 - 連続した複数フレームの画像に対して隣接画像間の第1の順方向オプティカルフローおよび第1の逆方向オプティカルフローを取得することは、
前記複数フレームの画像の各々の、対応画像の修復対象領域を表すマスク画像を取得することと、
前記複数フレームの画像の時間フレームの順方向順序に従って、隣接画像間の順方向オプティカルフローを決定し、前記複数フレームの画像の時間フレームの逆方向順序に従って、隣接画像間の逆方向オプティカルフローを決定することと、
i番目の画像とi+1番目の画像との間の順方向オプティカルフローにi+1番目の画像のマスク画像を乗算し、i番目の画像とi+1番目の画像との間の第1の順方向オプティカルフローを得て、i+1番目の画像とi番目の画像との間の逆方向オプティカルフローにi番目の画像のマスク画像を乗算し、i+1番目の画像とi番目の画像との間の第1の逆方向オプティカルフローを得て、iは1以上且つG未満の正整数で、Gは複数フレームの画像の画像数であることとを含む、ことを特徴とする請求項1に記載の方法。 - 前記第1の順方向オプティカルフローおよび第1の逆方向オプティカルフローに対してそれぞれオプティカルフロー最適化処理を行うことは、
前記第1の順方向オプティカルフローを連結して第1の連結オプティカルフローを得て、前記第1の逆方向オプティカルフローを連結して第2の連結オプティカルフローを得ることと、
前記第1の連結オプティカルフローおよび第2の連結オプティカルフローに対してオプティカルフロー最適化処理をそれぞれN回行い、前記第1の連結オプティカルフローに対応する第1の最適化オプティカルフロー、および第2の連結オプティカルフローに対応する第2の最適化オプティカルフローを得て、Nは1以上の正整数であることと、
前記第1の最適化オプティカルフローに基づいて各第1の順方向オプティカルフローに対応する第2の順方向オプティカルフローを得て、前記第2の最適化オプティカルフローに基づいて各第1の逆方向オプティカルフローに対応する第2の逆方向オプティカルフローを得ることとを含む、ことを特徴とする請求項1または2に記載の方法。 - 前記第1の連結オプティカルフローおよび第2の連結オプティカルフローに対してオプティカルフロー最適化処理をそれぞれN回行うことは、
前記第1の連結オプティカルフローおよび第2の連結オプティカルフローに対して1回目のオプティカルフロー最適化処理を行い、前記第1の連結オプティカルフローに対応する第1の最適化サブオプティカルフロー、および第2の連結オプティカルフローに対応する第1の最適化サブオプティカルフローを得ることと、
前記第1の連結オプティカルフローおよび前記第2の連結オプティカルフローの第iの最適化サブオプティカルフローに対してそれぞれi+1回目のオプティカルフロー最適化処理を行い、前記第1の連結オプティカルフローに対応する第i+1の最適化サブオプティカルフロー、および第2の連結オプティカルフローに対応する第i+1の最適化サブオプティカルフローを得て、iは1より大きく且つNより小さい正整数であることと、を含み、
N回目の最適化処理により得られた前記第1の連結オプティカルフローの第Nの最適化サブオプティカルフローを前記第1の最適化オプティカルフローとして決定し、得られた前記第2の連結オプティカルフローの第Nの最適化サブオプティカルフローを前記第2の最適化オプティカルフローとして決定し、ここで、各回のオプティカルフロー最適化処理は残差処理およびアップサンプリング処理を含む、ことを特徴とする請求項3に記載の方法。 - 前記第2の順方向オプティカルフローを用いて前記連続した複数フレームの画像に対して順方向の伝播最適化を行うことは、
前記複数フレームの画像の各々の、対応画像の修復対象領域を表すマスク画像を取得することと、
前記複数フレームの画像の時間フレームの順方向順序に従って、前記第2の順方向オプティカルフローに基づいて1番目の画像以外の画像の第1の修復画像を得ることと、
得られた前記第1の修復画像に基づいて対応画像のマスク画像を調整し、第1の修復画像を得る処理に戻り、調整後のマスク画像は修復対象領域がなくなることを示す場合に、前記複数フレームの画像の各々が前記修復の要求を満たすと判断することとを含む、ことを特徴とする請求項1から4のいずれか一項に記載の方法。 - 前記複数フレームの画像の時間フレームの順方向順序に従って、前記第2の順方向オプティカルフローに基づいて各画像の第1の修復画像を得ることは、
前記複数フレームの画像の時間フレームの順方向順序に従って、1番目の第2の順方向オプティカルフローに基づいて1番目の画像に対してシフト処理を行い、2番目の画像の第1の修復画像を得ることと、
k番目の画像と前記k番目の画像の修復画像との加算処理を行い、k番目の画像の第1の加算画像を得、k番目の第2の順方向オプティカルフローで前記k番目の第1の加算画像に対してシフト処理を行い、k+1番目の画像の第1の修復画像を得て、kは1より大きく且つGより小さい正整数で、Gは複数フレームの画像の画像数を表すこととを含む、ことを特徴とする請求項5に記載の方法。 - 前記第2の逆方向オプティカルフローを用いて前記連続した複数フレームの画像に対して逆方向の伝播最適化を行うことは、
前記複数フレームの画像の各々の、対応画像の修復対象領域を表すマスク画像を取得することと、
前記複数フレームの画像の時間フレームの逆方向順序に従って、前記第2の逆方向オプティカルフローに基づいて1番目の画像以外の画像の第2の修復画像を得ることと、
得られた前記第2の修復画像に基づいて対応画像のマスク画像を調整し、第2の修復画像を得る処理に戻り、調整後のマスク画像は修復対象領域がなくなることを示す場合に、前記複数フレームの画像の各々が前記修復の要求を満たすと判断することとを含む、ことを特徴とする請求項1から6のいずれか一項に記載の方法。 - 前記複数フレームの画像の時間フレームの逆方向順序に従って、前記第2の逆方向オプティカルフローに基づいて1番目の画像以外の画像の第2の修復画像を得ることは、
前記複数フレームの画像の時間フレームの逆方向順序に従って、1番目の第2の逆方向オプティカルフローに基づいて1番目の画像に対してシフト処理を行い、2番目の画像の第2の修復画像を得ることと、
h番目の画像と前記h番目の画像の修復画像との加算処理を行い、h番目の画像の第2の加算画像を得、h番目の第2の逆方向オプティカルフローで前記h番目の第2の加算画像に対してシフト処理を行い、h+1番目の画像の第2の修復画像を得て、hは1より大きく且つG以下の正整数であり、Gは複数フレームの画像の画像数を表すこととを含む、ことを特徴とする請求項7に記載の方法。 - 順方向の伝播最適化および逆方向の伝播最適化により得られた最適化画像に基づいて、前記連続した複数フレームの画像の修復画像を得ることは、
複数フレームの画像の時間フレームの順方向順序に従って、前記順方向の伝播最適化により得られた第1の最適化画像を得ることと、
複数フレームの画像の時間フレームの順方向順序に従って、前記逆方向の伝播最適化により得られた第2の最適化画像を得ることと、
各画像の第1の最適化画像と第2の最適化画像の平均値に基づいて該画像の修復画像を得て、前記複数フレームの画像の各々の修復画像を得ることとを含む、ことを特徴とする請求項1から8のいずれか一項に記載の方法。 - 前記第1の順方向オプティカルフローおよび第1の逆方向オプティカルフローに対してそれぞれオプティカルフロー最適化処理を行い、前記第1の順方向オプティカルフローに対応する第2の順方向オプティカルフロー、および前記第1の逆方向オプティカルフローに対応する第2の逆方向オプティカルフローを得ることを、オプティカルフロー最適化モジュールによって実行することを含み、
当該方法は、前記オプティカルフロー最適化モジュールをトレーニングすることをさらに含み、前記トレーニングは、
複数群のオプティカルフローサンプル、および各オプティカルフローサンプルに対応するマスクサンプルと実際のオプティカルフローを含むトレーニングサンプルを取得することと、
前記オプティカルフロー最適化モジュールを用いて前記オプティカルフローサンプルに対してオプティカルフロー最適化処理を行い、対応する最適化オプティカルフローを得ることと、
前記最適化オプティカルフローと前記実際のオプティカルフローとの比較結果に基づいて、前記最適化オプティカルフローから第1の要求を満たす第1の画素点を選択し、前記第1の画素点のマスク画像におけるマスク値を調整して新しいマスクサンプルを得ることと、
予め設定された損失関数に従って、前記最適化オプティカルフロー、元のマスクサンプルおよび新しいマスクサンプルに基づいて損失値を得ることと、
前記損失値がトレーニングの要求を満たす場合、トレーニングが完了したオプティカルフロー最適化モジュールを得て、そうでない場合、得られた損失値がトレーニングの要求を満たすまで、前記オプティカルフロー最適化モジュールのネットワークパラメータを調整し、オプティカルフローサンプルのオプティカルフロー最適化処理を再実行することとを含む、ことを特徴とする請求項1から9のいずれか一項に記載の方法。 - 連続した複数フレームの画像に対して隣接画像間の第1の順方向オプティカルフローおよび第1の逆方向オプティカルフローを取得するための取得モジュールと、
前記第1の順方向オプティカルフローおよび第1の逆方向オプティカルフローに対してそれぞれオプティカルフロー最適化処理を行い、前記第1の順方向オプティカルフローに対応する第2の順方向オプティカルフロー、および前記第1の逆方向オプティカルフローに対応する第2の逆方向オプティカルフローを得るためのオプティカルフロー最適化モジュールと、
前記第2の順方向オプティカルフローを用いて前記連続した複数フレームの画像に対して順方向の伝播最適化を行い、前記第2の逆方向オプティカルフローを用いて前記連続した複数フレームの画像に対して逆方向の伝播最適化を行うことを、最適化後の連続した複数フレームの画像の各々がいずれも修復の要求を満たすまで実行するための伝播最適化モジュールと、
順方向の伝播最適化および逆方向の伝播最適化により得られた最適化画像に基づいて、前記連続した複数フレームの画像の修復画像を得るための修復モジュールとを含む、ことを特徴とするビデオ修復装置。 - 前記取得モジュールはさらに、前記複数フレームの画像の各々のマスク画像を取得し、また前記複数フレームの画像の時間フレームの順方向順序に従って、隣接画像間の順方向オプティカルフローを決定し、前記複数フレームの画像の時間フレームの逆方向順序に従って、隣接画像間の逆方向オプティカルフローを決定することと、
i番目の画像とi+1番目の画像との間の順方向オプティカルフローにi+1番目の画像のマスク画像を乗算し、i番目の画像とi+1番目の画像との間の第1の順方向オプティカルフローを得て、i+1番目の画像とi番目の画像との間の逆方向オプティカルフローにi番目の画像のマスク画像を乗算し、i+1番目の画像とi番目の画像との間の第1の逆方向オプティカルフローを得て、前記マスク画像は対応画像の修復対象領域を表し、iは1以上且つG未満の正整数で、Gは複数フレームの画像の画像数であることとに用いられる、ことを特徴とする請求項11に記載の装置。 - 前記オプティカルフロー最適化モジュールはさらに、前記第1の順方向オプティカルフローを連結して第1の連結オプティカルフローを得て、前記第1の逆方向オプティカルフローを連結して第2の連結オプティカルフローを得ることと、
前記第1の連結オプティカルフローおよび第2の連結オプティカルフローに対してオプティカルフロー最適化処理をそれぞれN回行い、前記第1の連結オプティカルフローに対応する第1の最適化オプティカルフロー、および第2の連結オプティカルフローに対応する第2の最適化オプティカルフローを得て、Nは1以上の正整数であることと、
前記第1の最適化オプティカルフローに基づいて各第1の順方向オプティカルフローに対応する第2の順方向オプティカルフローを得て、前記第2の最適化オプティカルフローに基づいて各第1の逆方向オプティカルフローに対応する第2の逆方向オプティカルフローを得ることとに用いられる、ことを特徴とする請求項11または12に記載の装置。 - 前記オプティカルフロー最適化モジュールはさらに、前記第1の連結オプティカルフローおよび第2の連結オプティカルフローに対して1回目のオプティカルフロー最適化処理を行い、前記第1の連結オプティカルフローに対応する第1の最適化サブオプティカルフロー、および第2の連結オプティカルフローに対応する第1の最適化サブオプティカルフローを得ることと、
前記第1の連結オプティカルフローおよび前記第2の連結オプティカルフローの第iの最適化サブオプティカルフローに対してそれぞれi+1回目のオプティカルフロー最適化処理を行い、前記第1の連結オプティカルフローに対応する第i+1の最適化サブオプティカルフロー、および第2の連結オプティカルフローに対応する第i+1の最適化サブオプティカルフローを得て、iは1より大きく且つNより小さい正整数であることとに用いられ、
N回目の最適化処理により得られた前記第1の連結オプティカルフローの第Nの最適化サブオプティカルフローを前記第1の最適化オプティカルフローとして決定し、得られた前記第2の連結オプティカルフローの第Nの最適化サブオプティカルフローを前記第2の最適化オプティカルフローとして決定し、ここで、各回のオプティカルフロー最適化処理は残差処理およびアップサンプリング処理を含む、ことを特徴とする請求項13に記載の装置。 - 前記伝播最適化モジュールは、前記複数フレームの画像の各々の、対応画像の修復対象領域を表すマスク画像を取得することと、
前記複数フレームの画像の時間フレームの順方向順序に従って、前記第2の順方向オプティカルフローに基づいて1番目の画像以外の画像の第1の修復画像を得ることと、
得られた前記第1の修復画像に基づいて対応画像のマスク画像を調整し、第1の修復画像を得る処理に戻り、調整後のマスク画像は修復対象領域がなくなることを示す場合に、前記複数フレームの画像の各々が前記修復の要求を満たすと判断することとに用いられる第1の伝播最適化ユニットを含む、ことを特徴とする請求項11から14のいずれか一項に記載の装置。 - 前記第1の伝播最適化ユニットはさらに、前記複数フレームの画像の時間フレームの順方向順序に従って、1番目の第2の順方向オプティカルフローに基づいて1番目の画像に対してシフト処理を行い、2番目の画像の第1の修復画像を得ることと、
k番目の画像と前記k番目の画像の修復画像との加算処理を行い、k番目の画像の第1の加算画像を得、k番目の第2の順方向オプティカルフローで前記k番目の第1の加算画像に対してシフト処理を行い、k+1番目の画像の第1の修復画像を得て、kは1より大きく且つGより小さい正整数で、Gは複数フレームの画像の画像数を表すこととに用いられる、ことを特徴とする請求項15に記載の装置。 - 前記伝播最適化モジュールは、前記複数フレームの画像の各々の、対応画像の修復対象領域を表すマスク画像を取得することと、
前記複数フレームの画像の時間フレームの逆方向順序に従って、前記第2の逆方向オプティカルフローに基づいて1番目の画像以外の画像の第2の修復画像を得ることと、
得られた前記第2の修復画像に基づいて対応画像のマスク画像を調整し、第2の修復画像を得る処理に戻り、調整後のマスク画像は修復対象領域がなくなることを示す場合に、前記複数フレームの画像の各々が前記修復の要求を満たすと判断することとに用いられる第2の伝播最適化ユニットをさらに含む、ことを特徴とする請求項11から16のいずれか一項に記載の装置。 - 前記第2の伝播最適化ユニットはさらに、前記複数フレームの画像の時間フレームの逆方向順序に従って、1番目の第2の逆方向オプティカルフローに基づいて1番目の画像に対してシフト処理を行い、2番目の画像の第2の修復画像を得ることと、
h番目の画像と前記h番目の画像の修復画像との加算処理を行い、h番目の画像の第2の加算画像を得、h番目の第2の逆方向オプティカルフローで前記h番目の第2の加算画像に対してシフト処理を行い、h+1番目の画像の第2の修復画像を得て、hは1より大きく且つG以下の正整数であり、Gは複数フレームの画像の画像数を表すこととに用いられる、ことを特徴とする請求項17に記載の装置。 - 前記修復モジュールはさらに、複数フレームの画像の時間フレームの順方向順序に従って、前記順方向の伝播最適化により得られた第1の最適化画像を得ることと、
複数フレームの画像の時間フレームの順方向順序に従って、前記逆方向の伝播最適化により得られた第2の最適化画像を得ることと、
各画像の第1の最適化画像と第2の最適化画像の平均値に基づいて該画像の修復画像を得て、前記複数フレームの画像の各々の修復画像を得ることとに用いられる、ことを特徴とする請求項11から18のいずれか一項に記載の装置。 - オプティカルフロー最適化モジュールをトレーニングするためのトレーニングモジュールをさらに含み、前記トレーニングモジュールは、前記オプティカルフロー最適化モジュールに、複数群のオプティカルフローサンプル、および各オプティカルフローサンプルに対応するマスクサンプルと実際のオプティカルフローを含むトレーニングサンプルを入力することと、
前記オプティカルフロー最適化モジュールを用いて前記オプティカルフローサンプルに対してオプティカルフロー最適化処理を行い、対応する最適化オプティカルフローを得ることと、
前記最適化オプティカルフローと前記実際のオプティカルフローとの比較結果に基づいて、前記最適化オプティカルフローから第1の要求を満たす第1の画素点を選択し、前記第1の画素点のマスク画像におけるマスク値を調整して新しいマスクサンプルを得ることと、
予め設定された損失関数に従って、前記最適化オプティカルフロー、元のマスクサンプルおよび新しいマスクサンプルに基づいて損失値を得ることと、
前記損失値がトレーニングの要求を満たす場合、トレーニングが完了したオプティカルフロー最適化モジュールを得て、そうでない場合、得られた損失値がトレーニングの要求を満たすまで、前記オプティカルフロー最適化モジュールのネットワークパラメータを調整し、オプティカルフローサンプルのオプティカルフロー最適化処理を再実行することとに用いられる、ことを特徴とする請求項11から19のいずれか一項に記載の装置。 - プロセッサと、
プロセッサにより実行可能な命令を記憶するためのメモリとを含み、
前記プロセッサは、請求項1から10のいずれか一項に記載の方法を実行するように構成される、ことを特徴とする電子機器。 - コンピュータプログラム命令が記憶されているコンピュータ可読記憶媒体であって、前記コンピュータプログラム命令は、プロセッサに実行されると請求項1から10のいずれか一項に記載の方法を実現させる、ことを特徴とするコンピュータ可読記憶媒体。
- コンピュータ可読コードを含むコンピュータプログラムであって、前記コンピュータ可読コードは、電子機器で実行されると、前記電子機器のプロセッサに請求項1から10のいずれか一項に記載の方法を実現するための命令を実行させる、ことを特徴とするコンピュータプログラム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910099762.4 | 2019-01-31 | ||
CN201910099762.4A CN109816611B (zh) | 2019-01-31 | 2019-01-31 | 视频修复方法及装置、电子设备和存储介质 |
PCT/CN2019/130428 WO2020156009A1 (zh) | 2019-01-31 | 2019-12-31 | 视频修复方法及装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021519051A true JP2021519051A (ja) | 2021-08-05 |
JP7125541B2 JP7125541B2 (ja) | 2022-08-24 |
Family
ID=66606244
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021506038A Active JP7125541B2 (ja) | 2019-01-31 | 2019-12-31 | ビデオ修復方法および装置、電子機器、ならびに記憶媒体 |
Country Status (6)
Country | Link |
---|---|
US (1) | US11544820B2 (ja) |
JP (1) | JP7125541B2 (ja) |
KR (1) | KR102406354B1 (ja) |
CN (1) | CN109816611B (ja) |
SG (1) | SG11202010145WA (ja) |
WO (1) | WO2020156009A1 (ja) |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109816611B (zh) | 2019-01-31 | 2021-02-12 | 北京市商汤科技开发有限公司 | 视频修复方法及装置、电子设备和存储介质 |
CN111105382B (zh) * | 2019-12-31 | 2021-11-16 | 北京大学 | 视频修复方法 |
CN111614996B (zh) * | 2020-04-07 | 2022-03-18 | 上海推乐信息技术服务有限公司 | 一种视频修复方法和系统 |
CN113660443A (zh) * | 2020-05-12 | 2021-11-16 | 武汉Tcl集团工业研究院有限公司 | 一种视频插帧方法、终端以及存储介质 |
CN111612721B (zh) * | 2020-05-22 | 2023-09-22 | 哈尔滨工业大学(深圳) | 一种图像修复模型训练、卫星图像修复方法及装置 |
CN111609868A (zh) * | 2020-05-29 | 2020-09-01 | 电子科技大学 | 一种基于改进光流法的视觉惯性里程计方法 |
CN111738998B (zh) * | 2020-06-12 | 2023-06-23 | 深圳技术大学 | 病灶位置动态检测方法及装置、电子设备和存储介质 |
CN112272311B (zh) * | 2020-10-21 | 2022-08-26 | 腾讯科技(北京)有限公司 | 花屏修复方法、装置、终端、服务器及介质 |
CN112465728B (zh) * | 2020-12-07 | 2022-09-23 | 华中光电技术研究所(中国船舶重工集团公司第七一七研究所) | 视频图像处理方法、系统、电子设备及存储介质 |
CN112669204B (zh) * | 2021-01-04 | 2024-05-03 | 北京金山云网络技术有限公司 | 图像处理方法、图像处理模型的训练方法和装置 |
CN112862766B (zh) * | 2021-01-28 | 2022-11-04 | 华北电力大学(保定) | 一种基于图像数据扩充技术的绝缘子检测方法及系统 |
CN114972050A (zh) * | 2021-02-27 | 2022-08-30 | 华为技术有限公司 | 一种图像修复方法及装置 |
US20220301112A1 (en) * | 2021-03-19 | 2022-09-22 | Micron Technology, Inc. | Modular machine learning models for denoising images and systems and methods for using same |
WO2023085759A1 (ko) * | 2021-11-09 | 2023-05-19 | 삼성전자 주식회사 | Ai를 이용하는 영상 부호화 장치 및 영상 복호화 장치, 및 이들에 의한 영상의 부호화 및 복호화 방법 |
KR102518554B1 (ko) * | 2022-04-27 | 2023-04-06 | 주식회사세오 | 신경망을 이용한 수위 예측 방법 및 시스템 |
CN118118676A (zh) * | 2022-11-29 | 2024-05-31 | 北京三星通信技术研究有限公司 | 由电子设备执行的方法、电子设备和存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017155663A1 (en) * | 2016-03-11 | 2017-09-14 | Qualcomm Incorporated | Recurrent networks with motion-based attention for video understanding |
JP2017187954A (ja) * | 2016-04-06 | 2017-10-12 | Kddi株式会社 | 画像合成装置、プログラム及びデータ構造 |
WO2017213923A1 (en) * | 2016-06-09 | 2017-12-14 | Lytro, Inc. | Multi-view scene segmentation and propagation |
JP2018084997A (ja) * | 2016-11-24 | 2018-05-31 | キヤノン株式会社 | 画像処理装置、画像処理方法 |
Family Cites Families (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2820255A1 (fr) * | 2001-01-26 | 2002-08-02 | France Telecom | Procedes de codage et de decodage d'images, dispositifs, systemes, signaux et applications correspondants |
KR101418116B1 (ko) * | 2007-10-24 | 2014-07-09 | 고려대학교 산학협력단 | 프레임 보간 장치 및 그를 포함한 프레임 속도 상향 변환장치 |
US9396385B2 (en) * | 2010-08-26 | 2016-07-19 | Blast Motion Inc. | Integrated sensor and video motion analysis method |
US9672626B2 (en) * | 2014-12-08 | 2017-06-06 | Yissum Research Development Company Of The Hebrew University Of Jerusalem Ltd. | Method and system for generating adaptive fast forward of egocentric videos |
CN105025201B (zh) * | 2015-07-29 | 2017-11-14 | 武汉大学 | 一种时空连续的视频背景修复方法 |
CN106204567B (zh) * | 2016-07-05 | 2019-01-29 | 华南理工大学 | 一种自然背景视频抠图方法 |
CN106973293B (zh) * | 2017-04-21 | 2020-10-27 | 中国科学技术大学 | 基于视差预测的光场图像编码方法 |
US10547871B2 (en) * | 2017-05-05 | 2020-01-28 | Disney Enterprises, Inc. | Edge-aware spatio-temporal filtering and optical flow estimation in real time |
CN107292912B (zh) * | 2017-05-26 | 2020-08-18 | 浙江大学 | 一种基于多尺度对应结构化学习的光流估计方法 |
US10636193B1 (en) * | 2017-06-29 | 2020-04-28 | Facebook Technologies, Llc | Generating graphical representation of a user's face and body using a monitoring system included on a head mounted display |
CN108229290B (zh) * | 2017-07-26 | 2021-03-02 | 北京市商汤科技开发有限公司 | 视频物体分割方法和装置、电子设备、存储介质 |
CN107480646B (zh) * | 2017-08-22 | 2020-09-25 | 北京工业大学 | 一种基于双目视觉的车载视频异常运动检测方法 |
CN108875900B (zh) * | 2017-11-02 | 2022-05-24 | 北京旷视科技有限公司 | 视频图像处理方法和装置、神经网络训练方法、存储介质 |
CN108090919B (zh) * | 2018-01-02 | 2020-12-22 | 华南理工大学 | 一种基于超像素光流和自适应学习因子改进的核相关滤波跟踪方法 |
CN108389217A (zh) * | 2018-01-31 | 2018-08-10 | 华东理工大学 | 一种基于梯度域混合的视频合成方法 |
CN108320020A (zh) * | 2018-02-07 | 2018-07-24 | 深圳市唯特视科技有限公司 | 一种基于双向光流的端到端无监督学习方法 |
CN109086807B (zh) * | 2018-07-16 | 2022-03-18 | 哈尔滨工程大学 | 一种基于空洞卷积堆叠网络的半监督光流学习方法 |
CN109284720A (zh) * | 2018-09-28 | 2019-01-29 | 大连民族大学 | 度量视频连续帧与其卷积特征图间差异在视频行为识别中的应用 |
JP7392227B2 (ja) * | 2019-01-15 | 2023-12-06 | ポートランド ステイト ユニヴァーシティ | 映像フレーム補間のための特徴ピラミッドワーピング |
CN109819229B (zh) * | 2019-01-22 | 2021-02-26 | 北京市商汤科技开发有限公司 | 图像处理方法及装置、电子设备和存储介质 |
CN109816611B (zh) | 2019-01-31 | 2021-02-12 | 北京市商汤科技开发有限公司 | 视频修复方法及装置、电子设备和存储介质 |
US11526970B2 (en) * | 2019-09-04 | 2022-12-13 | Samsung Electronics Co., Ltd | System and method for video processing with enhanced temporal consistency |
CN112767441B (zh) * | 2021-01-08 | 2023-06-06 | 南昌航空大学 | 一种基于残差场和位移场的图像光流优化方法及系统 |
-
2019
- 2019-01-31 CN CN201910099762.4A patent/CN109816611B/zh active Active
- 2019-12-31 SG SG11202010145WA patent/SG11202010145WA/en unknown
- 2019-12-31 JP JP2021506038A patent/JP7125541B2/ja active Active
- 2019-12-31 WO PCT/CN2019/130428 patent/WO2020156009A1/zh active Application Filing
- 2019-12-31 KR KR1020207036725A patent/KR102406354B1/ko active IP Right Grant
-
2020
- 2020-10-16 US US17/072,527 patent/US11544820B2/en active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017155663A1 (en) * | 2016-03-11 | 2017-09-14 | Qualcomm Incorporated | Recurrent networks with motion-based attention for video understanding |
JP2019509566A (ja) * | 2016-03-11 | 2019-04-04 | クゥアルコム・インコーポレイテッドQualcomm Incorporated | ビデオ理解のための動きベースアテンションを用いたリカレントネットワーク |
JP2017187954A (ja) * | 2016-04-06 | 2017-10-12 | Kddi株式会社 | 画像合成装置、プログラム及びデータ構造 |
WO2017213923A1 (en) * | 2016-06-09 | 2017-12-14 | Lytro, Inc. | Multi-view scene segmentation and propagation |
JP2019525515A (ja) * | 2016-06-09 | 2019-09-05 | グーグル エルエルシー | マルチビューシーンのセグメンテーションおよび伝播 |
JP2018084997A (ja) * | 2016-11-24 | 2018-05-31 | キヤノン株式会社 | 画像処理装置、画像処理方法 |
Also Published As
Publication number | Publication date |
---|---|
US11544820B2 (en) | 2023-01-03 |
KR102406354B1 (ko) | 2022-06-07 |
WO2020156009A1 (zh) | 2020-08-06 |
JP7125541B2 (ja) | 2022-08-24 |
SG11202010145WA (en) | 2020-11-27 |
CN109816611A (zh) | 2019-05-28 |
CN109816611B (zh) | 2021-02-12 |
KR20210018850A (ko) | 2021-02-18 |
US20210035268A1 (en) | 2021-02-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2021519051A (ja) | ビデオ修復方法および装置、電子機器、ならびに記憶媒体 | |
CN113569796B (zh) | 关键点检测方法及装置、电子设备和存储介质 | |
CN110647834B (zh) | 人脸和人手关联检测方法及装置、电子设备和存储介质 | |
CN110674719B (zh) | 目标对象匹配方法及装置、电子设备和存储介质 | |
JP7072119B2 (ja) | 画像処理方法および装置、電子機器ならびに記憶媒体 | |
CN110287874B (zh) | 目标追踪方法及装置、电子设备和存储介质 | |
CN110837761B (zh) | 多模型知识蒸馏方法及装置、电子设备和存储介质 | |
JP7026257B2 (ja) | 画像処理方法及び装置、電子機器並びに記憶媒体 | |
JP2021514497A (ja) | 顔部認識方法及び装置、電子機器並びに記憶媒体 | |
CN109887515B (zh) | 音频处理方法及装置、电子设备和存储介质 | |
US11314965B2 (en) | Method and apparatus for positioning face feature points | |
CN109543537B (zh) | 重识别模型增量训练方法及装置、电子设备和存储介质 | |
CN109858614B (zh) | 神经网络训练方法及装置、电子设备和存储介质 | |
TW202032425A (zh) | 圖像處理方法及裝置、電子設備和儲存介質 | |
JP2022516452A (ja) | データ処理方法および装置、電子機器ならびに記憶媒体 | |
CN109903252B (zh) | 图像处理方法及装置、电子设备和存储介质 | |
CN109447258B (zh) | 神经网络模型的优化方法及装置、电子设备和存储介质 | |
CN115457024A (zh) | 冷冻电镜图像处理方法、装置、电子设备及存储介质 | |
US11792518B2 (en) | Method and apparatus for processing image | |
CN110019928B (zh) | 视频标题的优化方法及装置 | |
CN117893591B (zh) | 光幕模板识别方法及装置、设备、存储介质和程序产品 | |
CN115527035B (zh) | 图像分割模型优化方法、装置、电子设备及可读存储介质 | |
CN117893591A (zh) | 光幕模板识别方法及装置、设备、存储介质和程序产品 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20201019 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20211126 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211207 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220719 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220812 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7125541 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |