用于使用卷积神经网络的视频超分辨率的方法和设备

    公开(公告)号:CN109767383B

    公开(公告)日:2024-11-29

    申请号:CN201811191127.0

    申请日:2018-10-12

    Abstract: 本发明提供一种用于使用卷积神经网络的视频超分辨率的方法和设备。方法包含:接收具有第一多个帧的视频,所述第一多个帧具有第一分辨率;基于第一类型的运动补偿从第一多个帧生成多个变形帧;生成具有第二分辨率的第二多个帧,其中第二分辨率属于比第一分辨率更高的分辨率,其中使用卷积网络从多个变形帧的子组获得具有第二分辨率的第二多个帧中的每一个;以及基于第二类型的运动补偿生成具有第二分辨率的第三多个帧,其中从第二多个帧的子组的融合获得具有第二分辨率的第三多个帧中的每一个。

    计算机视觉训练系统和用于训练计算机视觉系统的方法

    公开(公告)号:CN112750133A

    公开(公告)日:2021-05-04

    申请号:CN202011179933.3

    申请日:2020-10-29

    Abstract: 公开了一种计算机视觉训练系统和用于训练计算机视觉系统的方法。所述计算机视觉(CV)训练系统,包括:监督学习系统,监督学习系统根据目标CV应用从一个或多个输入图像估计监督输出,并且根据监督输出和监督输出的地面真值来确定监督损失;无监督学习系统,无监督学习系统根据监督输出和所述一个或多个输入图像来确定无监督损失;弱监督学习系统,弱监督学习系统根据监督输出和与所述一个或多个输入图像对应的弱标签来确定弱监督损失;以及联合优化器,联合优化器并发地优化监督损失、无监督损失和弱监督损失。

    基于时间关注的视频深度估计
    13.
    发明公开

    公开(公告)号:CN112288790A

    公开(公告)日:2021-01-29

    申请号:CN202010698819.5

    申请日:2020-07-20

    Abstract: 提供了一种基于多个视频帧的深度检测的方法以及系统。所述方法包括:接收分别对应于不同捕获时间的多个输入帧,其包括第一输入帧、第二输入帧和第三输入帧,卷积第一至第三输入帧以生成对应于不同捕获时间的第一特征图、第二特征图和第三特征图,基于第一至第三特征图计算时间关注图,所述时间关注图包括对应于第一至第三特征图中不同特征图对的多个权重,所述多个权重中的每个权重指示对应特征图对的相似度,并将时间关注图应用于第一至第三特征图以生成具有时间关注的特征图。

    用于使用卷积神经网络的视频超分辨率的方法和设备

    公开(公告)号:CN109767383A

    公开(公告)日:2019-05-17

    申请号:CN201811191127.0

    申请日:2018-10-12

    Abstract: 本发明提供一种用于使用卷积神经网络的视频超分辨率的方法和设备。方法包含:接收具有第一多个帧的视频,所述第一多个帧具有第一分辨率;基于第一类型的运动补偿从第一多个帧生成多个变形帧;生成具有第二分辨率的第二多个帧,其中第二分辨率属于比第一分辨率更高的分辨率,其中使用卷积网络从多个变形帧的子组获得具有第二分辨率的第二多个帧中的每一个;以及基于第二类型的运动补偿生成具有第二分辨率的第三多个帧,其中从第二多个帧的子组的融合获得具有第二分辨率的第三多个帧中的每一个。

Patent Agency Ranking