基于混合时空卷积的轻量级视频超分辨率重建OA北大核心CSTPCD
Lightweight video super-resolution based on hybrid spatio-temporal convolution
针对三维卷积神经网络在视频超分辨率任务上具有较高的计算复杂度以及提取时空特征有限的问题,本文设计了一种基于混合时空卷积的轻量级视频超分辨率重建网络.首先,提出了一个基于混合时空卷积的模块,实现了网络时空特征提取能力的提升以及计算复杂度的降低;其次,提出了一个基于相似性的选择性特征融合模块,进一步增强了相关特征的提取能力;最后,设计了一种基于注意力机制的运动补偿模块,在一定程度上减轻了错误的特征融合的影响.实验结果表明:所提网络可以在视频超分辨率性…查看全部>>
Addressing the issue of high computational complexity and limited extraction of spatio-temporal features in 3D convolutional neural networks for video super-resolution tasks,this paper introduced a novel lightweight video super-resolution reconstruction network based on hybrid spatio-temporal convolution.Firstly,a hybrid spatio-temporal convolution-based module was proposed to realize the enhancement of the spatio-temporal feature extraction capability of th…查看全部>>
夏振平;陈豪;张宇宁;程成;胡伏原
苏州科技大学 电子与信息工程学院,江苏 苏州 215009||江苏省工业智能低碳技术工程中心,江苏 苏州 215009苏州科技大学 电子与信息工程学院,江苏 苏州 215009东南大学 电子科学与工程学院 显示技术研究中心,江苏 南京 210096||新型显示与视觉感知石城实验室,江苏 南京 210013苏州科技大学 电子与信息工程学院,江苏 苏州 215009||江苏省工业智能低碳技术工程中心,江苏 苏州 215009苏州科技大学 电子与信息工程学院,江苏 苏州 215009||江苏省工业智能低碳技术工程中心,江苏 苏州 215009
计算机与自动化
视频超分辨率深度学习三维卷积神经网络特征融合
video super-resolutiondeep learning3D Convolutional Neural Networkfeature fusion
《光学精密工程》 2024 (16)
2564-2576,13
国家自然科学基金资助项目(No.62002254)江苏省自然科学基金资助项目(No.BK20200988)苏州市科技计划项目(No.SNG-2023002)
评论