摘要：文章针对超分辨率视频的重构问题,提出了一个基于迁移学习的视频重构算法。该算法能够根据输入的低分辨率、低帧率的视频重构出高辨率、高帧率的视频。该算法采用元迁移学习来获得自适应网络参数,以快速适应测试视频的新环境。采用公共数据集对该算法进行评估,使用现有算法进行对比实验。实验结果表明,该算法在信噪比、结构相似指标和图像质量方面均优于现有的算法。

摘要：为提高普通相机帧率,通过结合编码孔径成像技术与高/低分辨率双字典学习方法,设计了基于时间维压缩的视频重构算法。利用编码孔径采样获得输入数据,分别训练高/低分辨率双字典,通过限制2套字典对图像的稀疏表达系数相同,既降低了算法复杂度,又实现了图像空间分辨率和时间分辨率的共同提高。仿真结果表明:该算法可有效地从获取的单张编码混叠图像中重构出高质量的多帧连续图像(即视频),同时该算法重建图像的峰值信噪比(PSNR)和结构相似度(SSIM)要优于单字典及GMM算法。

摘要：设计出了一个基于AMP算法的在线视频压缩感知重构方案。该方案通过对视频帧应用快速傅里叶变换的伪随机向下取样实现快速简洁的在线编码。线下解码部分,使用AMP算法作为重构算法,结合三维双树复小波变换,逐步迭代更新得到重构数据。实验结果表明,该方案能在快速编码采样数据的基础上获得较好的视频恢复效果。

摘要：为了解决单张照片人体重构出现的姿态翻转问题,提高重构模型的准确度,提出相邻帧姿态约束和人体轮廓线匹配的姿态与形状序列同时重构算法.对视频中的每一帧,首先估计出图像中人物的二维关节点、人物脸部特征点及其边缘轮廓线;然后将参数化模型SMPL所表达的三维人体投影到二维平面上,使得投影后的二维信息与对应的视频帧二维信息相匹配;最后通过调整SMPL的姿态与形状参数来最小化匹配能量函数,从而重构出与视频帧中人物具有相似姿态与形状的三维人体模型.此外,为了使重构结果显得更真实,也对图像帧中人体的头部姿态进行了检测和匹配.该算法在MPI-INF-3DHP数据集、Youku视频和自拍视频帧上均进行了实验,实验结果表明,与SMPLify算法等相比,该算法能有效地避免重构结果中出现姿态翻转的现象,且能在保证模型整体姿态相似性的前提下重构出准确的头部姿态和相似的模型形状.