文件名称：论文研究-基于卷积网络的帧率提升算法研究.pdf
文件大小：1023KB
文件格式：PDF
更新时间：2022-08-11 15:30:09
卷积神经网络,帧率提升,自学习
基于运动补偿的帧率提升算法是目前主要的帧率提升方法。为减小内插帧中的块效应、孔洞和遮挡问题，提高插值帧质量，提出一种基于卷积神经网络（convolutional neural network）的自学习帧率提升（frame rate up-conversion）方法。卷积神经网络用于利用两相邻帧预测待插值帧。在卷积神经网络的训练阶段，假设高帧率视频是存在的，网络参数由高帧率视频与低帧率视频训练而来。最后视频数据以低帧率视频加网络参数的形式传输，在接收端就可以利用卷积神经网络重建高帧率视频。实质上，这样做是通过增加视频发布者的负担以提供给视频接收者更多便利。对于视频点播网站来说，这是提升用户体验的重要因素。实验表明，该方案相对于传统的基于运动补偿的帧率提升算法，平均PSNR提升至少0.6 dB，取得较大程度的提升，并且该方法是基于全局的帧预测方法，可以有效避免块效应、孔洞和遮挡问题。