Paper | MFQE 2.0: A New Approach for Multi-frame Quality Enh

目录

• 要点
• 压缩视频特性分析
  • 质量波动
  • 帧间相关性
• 方法
  • 分类器
  • 好帧运动补偿
  • 质量增强网络
• 实验
  • 差帧质量提升效果
  • 总体效果
  • 缓和压缩视频的质量波动
  • 网络速度
  • 主观效果
• 不足

前景提要：
这篇论文是Multi-frame quality enhancement for compressed video（CVPR 2018）的期刊版本，2019年9月26日被TPAMI（2018年IF=17.730）接收。博主和关振宇导师是共同一作，徐迈老师是通讯作者、第三作者。

要点

本文提出了一种针对压缩视频的质量增强方法。创新点：

• 前人的工作大多忽略了帧间相关性。本文利用了视频的帧间相关性。
• 我们应该是第一个考虑了压缩视频的特性：质量波动。
• MFQE应该是第一个运动补偿 质量增强的end-to-end方法。
• 本文提出的方法，核心思想是好帧补偿差帧，是非常具有insight的方法。

我们看图说话：

1. 如图上半部分黑线，压缩视频中存在显著的质量（本文考虑PSNR）波动状况。其中，第92帧和第96帧达到了PSNR局部极大值点，中间的第95帧处在PSNR局部极小值点。
2. 如图下半部分，质量好帧——第92和96帧中的篮球比较清晰，而质量差帧——第95帧中的篮球质量很差（马赛克严重）。
3. 在我们的MFQE算法中，在增强第95帧时，92帧和96帧的信息也会被参考，使得增强效果显著好于图像增强方法DS-CNN（橙色框）。

压缩视频特性分析

质量波动

首先，我们以压缩视频库中的6个视频为例，看一看质量波动性：

可见，无论是HEVC、H264还是MPEG-1/2/4，这种质量波动性都是存在的，并且在HEVC中尤为明显。本文以HEVC为主要分析对象。

进一步，我们对这种质量波动性进行量化。我们衡量两个指标：

1. 相邻的好帧和差帧的PSNR差值。差值越大，说明局部质量波动越厉害。这就是所谓的峰值-谷值差值（Peak-Valey Difference, PVD）。
2. 整个视频PSNR的标准差。标准差越大，说明该视频的PSNR越不稳定，即全局质量波动越厉害。这就是文中的SD。

我们在整个视频库（108个视频）中统计了上述两个指标的平均值，结果如表：

质量波动性有两点意义：

1. PVD大，说明好帧、差帧质量差距大，说明差帧借助好帧提升质量的潜力很大。
2. SD大，说明好帧补偿差帧的方法非常适用于压缩视频。

帧间相关性

进一步，我们得看看好帧补偿差帧是否可行。我们测量了相邻若干帧的两帧之间的相关系数及其标准差，如图：

结果说明：

1. 时序相关性很强：前后距离10帧内，平均相关系数都能超过0.75。
2. 时序相关性保持较稳定：标准差较小。

那么，压缩视频中好帧（局部质量峰值）之间的平均距离大概是多少呢？我们在上一个表格中展示了PS这个指标，在HEVC大概是2.66。好帧之间的距离如此近，结合上图可知，两个相邻好帧 与它们中间的差帧 之间的相关性极高。

总之，我们的思想是有前景的！

方法

我们的MFQE方法由一个框图说明：

1. 首先，我们用一个分类器，将视频中的好帧（质量局部极大值）找出来。
2. 对于每一个差帧（只要不是局部极大值，就算差帧），借助其相邻的两个好帧，我们进行质量增强。
3. 在质量增强之前，这两个好帧要进行运动补偿，补偿到差帧所处时刻的状态。
4. 好帧也进行同样的流程，此时好帧借助的是相邻好帧。

批注：MFQEv1.0对于好帧的增强采用的是图像增强方法DS-CNN。这里好帧也用相邻好帧进行增强，得到了审稿人好评，因为网络得到了统一和简化。

分类器

分类器用BiLSTM搭建。对于每一帧，我们都采用参考文献[2]提供的质量评估方法，得到一个36维的向量；然后我们再添加这一帧的比特率和QP（这些都可以从码流中轻易获得），得到一个38维的向量，表征这一帧，输入BiLSTM网络。

理想状况下，BiLSTM能够通过比较这些特征向量，找出局部质量极大值点。

要注意，这是一个无参考（no-reference）的分类器：即不需要原始无损视频信息，不需要PSNR信息，而是通过传统的质量评估方法获得的“特征向量”，再进行学习。

批注：MFQEv1.0中的分类器采用的是SVM。这里用BiLSTM，极大提升了分类准确率，并且降低了分类难度，提升了分类速度。

好帧运动补偿

为了让整体网络可以端到端训练，这里的运动补偿网络采用的是基于CNN的光流预测网络[29]。

质量增强网络

运动补偿后的好帧，与差帧一起输入网络。在前端，我们采用了三种scale的特征提取；在后端，我们采用了稠密连接和BN技巧。整体上，我们还采用了短连接。

批注：MFQEv1.0中的质量增强网络是渐进融合网络，效果差得多，参数量也大得多（5倍以上）。

实验

差帧质量提升效果

好帧在文中就是PQF，差帧就是non-PQF。如图，MFQEv2.0算法在好帧增强上略高于其他算法，但在差帧增强方面显著高于其他算法。这就体现了MFQEv2.0的优势。

总体效果

我们以PSNR的增强数据为标准。如大表格：

在国际标准测试序列（18个视频）上，MFQEv2.0全面胜出，展现出较好的泛化能力。

编码领域通常还衡量BDBR指标。我们看看结果：

图像方法最多能到9%，而MFQE方法能达到14%。

缓和压缩视频的质量波动

由于MFQEv2.0对差帧的提升非常显著，因此可以缓和质量波动现象。我们通过示例和数值来验证这一点：

如图，PSNR的标准差显著下降，而峰值-谷值差距减小，说明质量波动下降明显。从PSNR曲线上我们也可以看到：

网络速度

MFQEv2.0不仅效果好，而且参数少、帧速率快。这进一步说明了多帧方法的优势：我们不需要冗余的网络，多帧信息是我们的杀手锏。

主观效果

不足

1. MFQE算法依赖于较为精确的运动补偿（光流预测）。如果运动补偿不准确，那么总体效果可能不理想。现在已经有一些方法跳过了这一步骤，例如使用Conv-LSTM直接输入相邻帧。但是这一点有利有弊，隐式（implicitly）建模运动差异，总体性能可能更差。
2. 我们只考虑了客观质量PSNR。如果进一步考虑感知质量（perceptual loss）等，主观效果会更好。