Residual Invertible Spatio-Temporal Network for Video Super-Resolution
發表在AAAI2019。 主要工作：充分利用低分辨率到高分辨率的空間信息，從連續的視頻幀建模時間的一致性。對於空間部分，設計了殘差可逆塊用於減少特徵轉換中的信息損失，並且提供魯棒的特徵表示。對於時間部分，使用了殘差稠密連接的循環卷積模型。在重建模塊，提出了基於稀疏策略的融合方法，用於合併時間特徵和空間特徵。 目前捕捉連續幀的時間一致性的方法分爲兩類：基於運動補償的方法，提取顯式的運動信息，如光流，
相關文章
- 1. Spatiotemporal Residual Networks for Video Action Recognition
- 2. Spatiotemporal Multiplier Networks for Video Action Recognition
- 3. Fast Spatio-Temporal Residual Network for Video Super-Resolution
- 4. Spatiotemporal CNN for Video Object Segmentation
- 5. 視頻超分：FSTRN（Fast Spatio-Temporal Residual Network for Video Super-Resolution）
- 6. 論文閱讀《Spatiotemporal Multiplier Networks for Video Action Recognition》
- 7. Residual Attention Network for Image Classification
- 8. Residual Dense Network for Image Super-Resolution
- 9. Residual attention network for image classification
- 10. Residual Attention Network for Image Classification, cvpr17
- 更多相關文章...
- • Swift for 循環 - Swift 教程
- • Scala for循環 - Scala教程
- • Flink 數據傳輸及反壓詳解
- • 算法總結-廣度優先算法
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. Spatiotemporal Residual Networks for Video Action Recognition
- 2. Spatiotemporal Multiplier Networks for Video Action Recognition
- 3. Fast Spatio-Temporal Residual Network for Video Super-Resolution
- 4. Spatiotemporal CNN for Video Object Segmentation
- 5. 視頻超分：FSTRN（Fast Spatio-Temporal Residual Network for Video Super-Resolution）
- 6. 論文閱讀《Spatiotemporal Multiplier Networks for Video Action Recognition》
- 7. Residual Attention Network for Image Classification
- 8. Residual Dense Network for Image Super-Resolution
- 9. Residual attention network for image classification
- 10. Residual Attention Network for Image Classification, cvpr17