研究人员开发了FMA-Net++，一个用于联合视频超分辨率和去模糊的新型框架，它解决了由不同帧曝光时长带来的挑战。该系统利用分层细化与双向聚合块进行高效并行处理，并在没有循环瓶颈的情况下扩展了时间感受野。它引入了一个曝光时间感知调制层，根据曝光嵌入来调节特征，从而能够预测运动和曝光感知的退化核。FMA-Net++在新基准REDs-ME和REDs-RE上展示了最先进的性能，并在GoPro等现有数据集上显示出强大的分布外能力。 AI
影响 引入了一种新颖的视频恢复方法，有可能提高在光照条件可变的应用中的质量。
排序理由 详细介绍新模型和基准的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- Exposure Time-aware Feature Extractor
- Exposure Time-aware Modulation
- FMA-Net++
- Geunhyuk Youk
- GoPro
- Hierarchical Refinement with Bidirectional Aggregation
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
