In this paper, we propose a Bayesia

In this paper, we propose a Bayesian framework for adaptive video super resolution that incorporates high-res image reconstruction, optical flow, noise level and blur kernel estimation. Using a sparsity prior for the high-res image, flow fields and blur kernel, we show that super resolution computation is reduced to each component problem when other factors are known, and the MAP inference iterates between optical flow, noise estimation, blur estimation and image reconstruction. As shown in Figure 1 and later examples, our system produces promising results on challenging real-world sequences despite various noise levels and blur kernels, accurately reconstructing both major structures and fine texture details. In-depth experiments demonstrate that our system outperforms the state-of-the-art super resolution systems [1, 23, 25] on challenging real-world sequences.

Kết quả (Việt) 1:

Trong bài này, chúng tôi đề xuất một khuôn khổ Bayes cho thích ứng video độ phân giải siêu mà kết hợp cao-res hình ảnh tái thiết, quang học dòng chảy, mức độ tiếng ồn và mờ hạt nhân dự toán. Bằng cách sử dụng một trước khi sparsity cho cao-res hình ảnh, chảy lĩnh vực và mờ hạt nhân, chúng tôi hiển thị độ phân giải siêu tính toán giảm cho mỗi vấn đề thành phần khi các yếu tố khác được biết đến, và suy luận bản đồ iterates giữa quang chảy, tiếng ồn dự toán, dự toán mờ và hình ảnh xây dựng lại. Như minh hoạ trong hình 1 và sau đó ví dụ, Hệ thống của chúng tôi sản xuất các kết quả hứa hẹn trên thực tế đầy thách thức mặc dù mức độ tiếng ồn khác nhau và mờ hạt nhân, xây dựng lại chính xác cấu trúc lớn và chi tiết kết cấu tốt. Sâu thí nghiệm chứng minh rằng hệ thống của chúng tôi nhanh hơn so với các hệ thống nhà nước-of-the-art siêu độ phân giải [1, 23, 25] trên thực tế đầy thách thức.

Kết quả (Việt) 2:

Trong bài báo này, chúng tôi đề xuất một khuôn khổ Bayes cho video độ phân giải siêu thích nghi mà kết hợp xây dựng lại hình ảnh độ phân giải cao, lưu lượng quang học, độ ồn và dự toán mờ hạt nhân. Sử dụng một thưa thớt trước cho hình ảnh độ phân giải cao, các trường dòng chảy và blur hạt nhân, chúng tôi cho thấy rằng siêu tính toán độ phân giải giảm xuống còn mỗi vấn đề thành phần khi các yếu tố khác được biết, và lặp MAP suy luận giữa dòng quang, ước lượng tiếng ồn, dự toán blur và tái tạo hình ảnh. Như thể hiện trong hình 1 và các ví dụ sau, hệ thống của chúng tôi tạo ra kết quả đầy hứa hẹn về trình tự thực thế giới đầy thử thách mặc dù mức độ tiếng ồn khác nhau và làm mờ hạt nhân, xây dựng lại chính xác cả hai cấu trúc chính và các chi tiết kết cấu tốt. Trong chiều sâu thí nghiệm chứng minh rằng hệ thống của chúng tôi nhanh hơn so với các nhà nước-of-the-nghệ thuật các hệ thống siêu phân giải [1, 23, 25] về trình tự thực thế giới đầy thử thách.