Residual Invertible Spatio-Temporal Network for Video Super-Resolution
发表在AAAI2019。 主要工作：充分利用低分辨率到高分辨率的空间信息，从连续的视频帧建模时间的一致性。对于空间部分，设计了残差可逆块用于减少特征转换中的信息损失，并且提供鲁棒的特征表示。对于时间部分，使用了残差稠密连接的循环卷积模型。在重建模块，提出了基于稀疏策略的融合方法，用于合并时间特征和空间特征。 目前捕捉连续帧的时间一致性的方法分为两类：基于运动补偿的方法，提取显式的运动信息，如光流，
相关文章
- 1. Spatiotemporal Residual Networks for Video Action Recognition
- 2. Spatiotemporal Multiplier Networks for Video Action Recognition
- 3. Fast Spatio-Temporal Residual Network for Video Super-Resolution
- 4. Spatiotemporal CNN for Video Object Segmentation
- 5. 视频超分：FSTRN（Fast Spatio-Temporal Residual Network for Video Super-Resolution）
- 6. 论文阅读《Spatiotemporal Multiplier Networks for Video Action Recognition》
- 7. Residual Attention Network for Image Classification
- 8. Residual Dense Network for Image Super-Resolution
- 9. Residual attention network for image classification
- 10. Residual Attention Network for Image Classification, cvpr17
- 更多相关文章...
- • Swift for 循环 - Swift 教程
- • Scala for循环 - Scala教程
- • Flink 数据传输及反压详解
- • 算法总结-广度优先算法
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
最新文章
欢迎关注本站公众号,获取更多信息
相关文章
- 1. Spatiotemporal Residual Networks for Video Action Recognition
- 2. Spatiotemporal Multiplier Networks for Video Action Recognition
- 3. Fast Spatio-Temporal Residual Network for Video Super-Resolution
- 4. Spatiotemporal CNN for Video Object Segmentation
- 5. 视频超分：FSTRN（Fast Spatio-Temporal Residual Network for Video Super-Resolution）
- 6. 论文阅读《Spatiotemporal Multiplier Networks for Video Action Recognition》
- 7. Residual Attention Network for Image Classification
- 8. Residual Dense Network for Image Super-Resolution
- 9. Residual attention network for image classification
- 10. Residual Attention Network for Image Classification, cvpr17