videoSR视频超分论文笔记一

1. Bidirectional Recurrent Convolutional Networks for Multi-Frame Super-Resolution

以往的subpixel motions estimation只适用于小的运动，同时这种做法计算量大。
作者设计的网络包括三个要点：前馈卷积模拟低分辨率帧与其高分辨率结果之间的视觉空间依赖性。循环卷积连接连续帧的隐藏层以了解时间依赖性。条件卷积连接之前时间戳的输入和和现在的隐藏层。

使用MSE训练网络。
数据集 25YUV

2. SUPER-RESOLUTION OF COMPRESSED VIDEOS USING CONVOLUTIONAL NEURAL NETWORKS(ICIP 2016)

使用一个在压缩视频的时间和空间维度上训练的CNN来增加空间分辨率。连续帧输入作为运动补偿输入网络。网络先在图片上做预训练。

Adaptive Motion Compensation

$$y_{t-T}^{amc}(i,j)=(1-r(i,j))y_t(i,j)+r(i,j)y_{t-T}^{mc}(i,j)$$
$r(i,j)$控制凸组合，$y_t$是中间帧， y t − T m c y_{t-T}^{mc}