您当前所在位置: 首页 > 首发论文
动态公开评议须知

1. 评议人本着自愿的原则,秉持科学严谨的态度,从论文的科学性、创新性、表述性等方面给予客观公正的学术评价,亦可对研究提出改进方案或下一步发展的建议。

2. 论文若有勘误表、修改稿等更新的版本,建议评议人针对最新版本的论文进行同行评议。

3. 每位评议人对每篇论文有且仅有一次评议机会,评议结果将完全公示于网站上,一旦发布,不可更改、不可撤回,因此,在给予评议时请慎重考虑,认真对待,准确表述。

4. 同行评议仅限于学术范围内的合理讨论,评议人需承诺此次评议不存在利益往来、同行竞争、学术偏见等行为,不可进行任何人身攻击或恶意评价,一旦发现有不当评议的行为,评议结果将被撤销,并收回评审人的权限,此外,本站将保留追究责任的权利。

5. 论文所展示的星级为综合评定结果,是根据多位评议人的同行评议结果进行综合计算而得出的。

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

勘误表

上传勘误表说明

  • 1. 请按本站示例的“勘误表格式”要求,在文本框中编写勘误表;
  • 2. 本站只保留一版勘误表,每重新上传一次,即会覆盖之前的版本;
  • 3. 本站只针对原稿进行勘误,修改稿发布后,不可对原稿及修改稿再作勘误。

示例:

上传后印本

( 请提交PDF文档 )

* 后印本是指作者提交给期刊的预印本,经过同行评议和期刊的编辑后发表在正式期刊上的论文版本。作者自愿上传,上传前请查询出版商所允许的延缓公示的政策,若因此产生纠纷,本站概不负责。

发邮件给 王小芳 *

收件人:

收件人邮箱:

发件人邮箱:

发送内容:

0/300

论文收录信息

论文编号 202104-167
论文题目 基于全局光流的视频插帧算法
文献类型
收录
期刊

上传封面

期刊名称(中文)

期刊名称(英文)

年, 卷(

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

编者.论文集名称(中文) [c].

出版地 出版社 出版年-

编者.论文集名称(英文) [c].

出版地出版社 出版年-

上传封面

期刊名称(中文)

期刊名称(英文)

日期--

在线地址http://

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

上传封面

文题(中文)

文题(英文)

出版地

出版社,出版日期--

英文作者写法:

中外文作者均姓前名后,姓大写,名的第一个字母大写,姓全称写出,名可只写第一个字母,其后不加实心圆点“.”,

作者之间用逗号“,”分隔,最后为实心圆点“.”,

示例1:原姓名写法:Albert Einstein,编入参考文献时写法:Einstein A.

示例2:原姓名写法:李时珍;编入参考文献时写法:LI S Z.

示例3:YELLAND R L,JONES S C,EASTON K S,et al.

上传修改稿说明:

1.修改稿的作者顺序及单位须与原文一致;

2.修改稿上传成功后,请勿上传相同内容的论文;

3.修改稿中必须要有相应的修改标记,如高亮修改内容,添加文字说明等,否则将作退稿处理。

4.请选择DOC或Latex中的一种文件格式上传。

上传doc论文   请上传模板编辑的DOC文件

上传latex论文

* 上传模板导出的pdf论文文件(须含页眉)

* 上传模板编辑的tex文件

回复成功!


  • 0

基于全局光流的视频插帧算法

首发时间:2021-04-20

陈迁任 1   

陈迁任(1997-),男,主要研究方向为视频插帧

尹辉 1   

尹辉(1972-),女,教授,博导,主要研究方向:计算机视觉、机器学习、智能信息处理

李浩东 1   
  • 1、北京交通大学计算机与信息技术学院,北京 100044

摘要:对低帧率视频进行高质量的插帧是计算机视觉的经典问题,然而帧间运动的多样性和复杂性给视频插帧应用带来了极大的挑战。当视频中存在复杂非均匀运动时,根据局部帧间光流估计进行视频插帧可能造成较大偏差。针对此问题,本文提出了一种引入全局光流的视频插帧网络模型Global Optical Flows Interpolation Network (GOFIN)。首先,在中间帧光流预测阶段,设计了一个全局光流预测模块,并探索了两种全局光流的优化方法:使用多项式拟合的光流优化方法和基于卷积LSTM的光流序列优化方法。其次,在插帧生成阶段,设计了一个基于残差增强的合成优化模块,增强特征提取并利用上下文信息进一步消除复杂运动对插帧的影响,提高插帧质量。在UCF-101视频序列数据集上对比多种主流插帧方法的实验表明,全局光流信息的引入对提高视频插帧准确度有极大的意义,本文提出的GOFIN将插帧结果的峰值信噪比提高了0.05db,结构相似性提高了0.069。

关键词: 视频插帧 全局光流 残差学习

For information in English, please click here

Video Frame Interpolation Based on Global Optical Flow

CHEN Qianren 1   

陈迁任(1997-),男,主要研究方向为视频插帧

YIN Hui 1   

尹辉(1972-),女,教授,博导,主要研究方向:计算机视觉、机器学习、智能信息处理

LI Haodong 1   
  • 1、Computer and Information Technology School,Beijing Jiaotong University,Beijing 100044,China

Abstract:High-quality interpolation of low frame rate video is a classic problem of computer vision. However, the diversity and complexity of motion between frames have brought great challenges to the application of video interpolation. When there is complex and non-uniform motion in the video, video interpolation based on local inter-frame optical flow estimation may cause large deviations. In response to the problem, the paper proposes a Global Optical Flows Interpolation Network (GOFIN), a video interpolating network model that introduces global optical flow. First, in the intermediate frame optical flow prediction stage, a global optical flow prediction module was designed, and two optimization methods for global optical flow were explored: optical flow optimization method using polynomial fitting and optical flow sequence optimization based on convolution LSTM method. Secondly, in the generation stage of the inserted frame, a synthesis optimization module based on residual enhancement is designed to enhance feature extraction and use context information to further eliminate the influence of complex motion on the inserted frame and improve the quality of the inserted frame. Experiments comparing a variety of mainstream frame interpolation methods on the UCF-101 video sequence data set show that the introduction of global optical flow information is of great significance to improve the accuracy of video frame interpolation. The GOFIN proposed in this paper reduces the peak value of the frame interpolation results. The noise ratio is improved by 0.05db, and the structural similarity is improved by 0.069.

Keywords: video frame interpolation global optical flow residual learning

Click to fold

点击收起

基金:

论文图表:

引用

导出参考文献

.txt .ris .doc
陈迁任,尹辉,李浩东. 基于全局光流的视频插帧算法[EB/OL]. 北京:中国科技论文在线 [2021-04-20]. http://www.paper.edu.cn/releasepaper/content/202104-167.

No.****

动态公开评议

共计0人参与

动态评论进行中

评论

全部评论

0/1000

勘误表

基于全局光流的视频插帧算法