2021NTIRE的三冠一亚视频超分方案：BasicVSR++

论文链接：https://arxiv.org/pdf/2104.13371.pdf
代码链接：https://github.com/open-mmlab/mmediting
译者言：该文作者Kelvin C.K. Chan同为BasicVSR(2021CVPR)和Understanding Deformable Alignment…(AAAI2021)的第一作者，他用对于可变形对齐和传播架构的新理解来改进BasicVSR，在2021NTIRE挑战中一举获得三冠一亚，同时还在Vid4数据集上突破了29dB的大关。下图可以显示出该模型惊人的恢复能力，目前代码已开源。

看点

最先进的方法BasicVSR采用双向传播和特征对齐。本文重新设计了这两个组件，提出了采用二阶网格传播和流引导变形对齐的BasicVSR++。

1. 所提出的二阶网格传播允许双向传播以类似网格的方式进行，并且放宽了BasicVSR中一阶马尔可夫性质的假设，将二阶连接添加进网络中，如下图(a)所示。
2. 光流对齐中不准确的光流估计会影响恢复性能，变形对齐在实际中很难训练。本文提出了流引导可变形对齐，该模块使用光流作为基础偏移量而没有直接学习DCN偏移量，通过学习残差偏移量来减轻偏移量学习的负担，如下图(b)所示。

方法

给定输入帧，首先利用残差块从每一帧中提取特征。然后在二阶网格传播方案下传播特征，其中对齐为流引导可变形对齐。在传播后，通过卷积和pixel-shuffling利用聚集的特征生成输出图像。

二阶网格传播

本文设计了一种网格传播方案，该方案让中间特征以交替的方式在时间上前后传播，使来自不同帧的信息可以被“重访”用于特征细化。此外，本文放宽了BasicVSR中一阶Markov性质的假设，添加了二阶连接。这样可以从不同的时空位置聚集信息，提高在遮挡区域和精细区域的鲁棒性和有效性。
每个二阶网格传播单元的过程如下：令$x_i$代表第输入图像，$g_i$是利用多个残差块从$x_i$中提取的特征，$f_i^j$是第i个时间步处的第j个传播分支计算出的特征。为了计算输出特征$f_i^j$，首先使用流引导可变形对齐对齐$f_{i-1}^j$和$f_{i-2}^j$：

其中，$s_{i\to i-1}$，$s_{i\to i-2}$为i帧到i-1和i-2帧的光流，A表示流引导的可变形对齐。然后将这些特征串联起来传递到堆叠的残差块中：

其中$f_i^0=g_i$，R表示残差块，c表示沿通道维度的串联。理论上，本文提出的传播方案可以推广到更高的阶和更多的传播迭代。然而，当从一阶增加到二阶时，性能增益是相当可观，但进一步增加迭代次数和次数并不会导致显著的改善。

流动导向变形对准

可变形对齐相比光流的优势在于偏移多样性。然而，可变形对齐模块很难训练。训练的不稳定常常导致补偿溢出，从而影响性能。为了在克服不稳定性的同时利用偏移分量，由于可变形对齐和光流对齐之间存在着很强的关系，本文提出利用光流来引导可变形对齐，如下图所示。

在第i个时间步，首先通过$s_{i\to i-1}$扭曲$f_{i-1}$:

然后使用预先对齐的特征${\bar{f}}_{i-1}$来计算残差偏移量和调制掩膜$m_{i\to i-1}$，其中，残差偏移量和光流相加得到DCN偏移量$o_{i\to i-1}$：

然后将DCN应用于未扭曲的特征$f_{i-1}$:

上述公式仅用于对齐单个特征，对于二阶传播做如下细微调整(通道叠加起来一起参与计算)：

实验

消融实验

所提出的组件的消融实验：

提出的流引导对齐模块的有效性实验：

轻量模型BasicVSR++(S)与BasicVSR和IconVSR具有相似的复杂性，但PSNR仍有相当大的改进

定量评估

在Vid4、UDM10等测试集上的定量评估：