Although multi-frame super resoluti

Although multi-frame super resolution has been extensively studied in past decades, super resolving real-world video sequences still remains challenging. In existing systems, either the motion models are oversimplified, or important factors such as blur kernel and noise level are assumed to be known. Such models cannot deal with the scene and imaging conditions that vary from one sequence to another. In this paper, we propose a Bayesian approach to adaptive video super resolution via simultaneously estimating underlying motion, blur kernel and noise level while reconstructing the original high-res frames. As a result, our system not only produces very promising super resolution results that outperform the state of the art, but also adapts to a variety of noise levels and blur kernels. Theoretical analysis of the relationship between blur kernel, noise level and frequencywise reconstruction rate is also provided, consistent with our experimental results.

Kết quả (Việt) 1:

Mặc dù độ phân giải siêu đa khung đã được nghiên cứu rộng rãi trong thập kỷ qua, siêu giải quyết chuỗi video thực tế vẫn còn đầy thách thức. Trong hệ thống hiện có, hoặc các mô hình chuyển động được đơn giản, hoặc yếu tố quan trọng như mờ hạt nhân và mức độ tiếng ồn được cho là được biết đến. Mô hình như vậy không thể đối phó với cảnh và hình ảnh điều kiện khác nhau từ một thứ tự khác. Trong bài này, chúng tôi đề xuất một cách tiếp cận Bayes để thích ứng độ phân giải siêu video thông qua đồng thời ước tính chuyển động cơ bản, mờ cấp hạt nhân và tiếng ồn trong khi xây dựng lại các khung hình thấp-res ban đầu. Kết quả là hệ thống của chúng tôi không chỉ sản xuất rất hứa hẹn kết quả siêu độ phân giải tốt hơn tiểu bang nghệ thuật, nhưng cũng thích nghi với một loạt các mức độ tiếng ồn và mờ hạt nhân. Lý thuyết phân tích các mối quan hệ giữa mờ hạt nhân, tiếng ồn cấp và frequencywise xây dựng lại tỷ lệ cũng được cung cấp, phù hợp với các kết quả thử nghiệm.

Kết quả (Việt) 2:

Mặc dù đa khung siêu độ phân giải đã được nghiên cứu rộng rãi trong nhiều thập kỷ qua, siêu giải quyết chuỗi video thực tế vẫn còn nhiều thách thức. Trong các hệ thống hiện có, hoặc các mô hình chuyển động được quá đơn giản, hoặc các yếu tố quan trọng như blur hạt nhân và mức độ tiếng ồn được giả định là biết đến. Mô hình như vậy không thể đối phó với hiện trường và điều kiện chụp ảnh khác nhau từ một chuỗi khác. Trong bài báo này, chúng tôi đề xuất một phương pháp Bayesian để siêu độ phân giải video adaptive qua đồng thời ước lượng chuyển động cơ bản, blur hạt nhân và mức độ tiếng ồn trong khi xây dựng lại khung hình cao-res gốc. Kết quả là, hệ thống của chúng tôi không chỉ sản xuất các kết quả có độ phân giải siêu rất hứa hẹn rằng tốt hơn các nhà nước của nghệ thuật, mà còn thích hợp với một loạt các mức độ tiếng ồn và nhân hạt mờ. Phân tích lý thuyết về mối quan hệ giữa mờ hạt nhân, mức độ nhiễu và độ tái thiết frequencywise cũng được cung cấp, phù hợp với kết quả thực nghiệm của chúng tôi.