.png){kind=icon}
返回
FSDM: An efficient video super-resolution method based on Frames-Shift Diffusion Model
.png){kind=icon}
PRE
AI
DOI：10.1016/j.neunet.2025.107435.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
视频超分辨率是一项旨在通过复杂的建模技术提升视频质量的基础任务。扩散模型在图像超分辨率处理方面的最新进展显著提升了其能力。然而，由于时序融合模块的计算复杂性，将这些模型集成到视频超分辨率工作流中仍受到限制，其所需的计算资源比图像对应模型更多。为解决这一挑战，我们提出了一种基于图像扩散模型的新型方法：帧移扩散模型。与直接训练基于扩散的视频超分辨率模型相比，在不引入复杂时序模块的情况下重新设计图像模型的扩散过程，所需的训练消耗更少。我们通过使用光流并将时序信息融入图像超分辨率扩散模型，实现了多帧融合。该模型能够调整扩散过程，使其在无需额外权重参数的情况下，从图像超分辨率平滑过渡到视频超分辨率扩散。因此，帧移扩散模型能够高效地逐帧处理视频，同时保持计算效率并实现更优性能。它提升了感知质量，并在PSNR和SSIM指标上达到了与其他基于扩散的VSR顶尖方法的相当性能。该方法通过简化时序数据的集成优化了视频超分辨率，从而解决了该领域的关键挑战。
Keyword:
Video super-resolution
Diffusion
Deep neural network
期刊
IF:
6.3
论文数:
8.2K
被引数:
3.0W
机构
暂无机构信息
引用论文
SRDiff: Single image super-resolution with diffusion probabilistic modelsSRDiff: 具有扩散概率模型的单幅图像超分辨率.png)
NEUROCOMPUTING
OAAI
NEUROCOMPUTINGIF6.5
OAAI分享收藏
From degrade to upgrade: Learning a self-supervised degradation guided adaptive network for blind remote sensing image super-resolution从退化到升级: 学习自监督退化引导自适应网络的盲遥感图像超分辨率INFORMATION FUSION
INFORMATION FUSIONIF15.5
PREAI
分享收藏
查看更多内容