针对视频压缩的压缩感知超分算法:COMISR

作者单位：谷歌
论文链接：https://arxiv.org/pdf/2105.01237.pdf
编者言： 针对H.264等视频压缩标准压缩后的视频进行超分，定量和定性效果相比过去的VSR算法有较大提升，有一定的业界价值。

看点

VSR专注于从LR视频中恢复HR视频，在对高度压缩的输入视频进行超分时往往会产生严重的伪影。本文提出了一种压缩感知超分辨率模型(COMISR)，该模型可以在具有不同压缩级别的真实视频中表现良好。该模型由三个视频超分辨率模块组成:双向翘曲循环、细节保留的流估计和拉普拉斯增强。所有这三个模块都用于处理压缩特性，如输入帧内的位置和输出帧内的平滑度。

方法

Overview

COMISR采用循环设计，模型概述如下：

双向循环模块

在前向方向上，首先使用LR帧$I_{t-1}^{LR}$和$I_t^{LR}$估计LR流$F_{t-1\to t}^{LR}$和HR流$F_{t-1\to t}^{HR}$。在LR流中，使用$F_{t-1\to t}^{LR}$将LR帧$I_{t-1}^{LR}$扭曲到t时刻的${\tilde{I}}_t^{LR}$；在HR流中，使用$F_{t-1\to t}^{HR}$将之前的预测帧${\hat{I}}_{t-1}^{HR}$扭曲成HR帧${\tilde{I}}_t^{HR}$，后有一个拉普拉斯增强模块，以生成准确的HR扭曲帧：$${\tilde{I}}_t^{HR}=Laplacian\left({\tilde{I}}_t^{HR,Warp}\right)+{\tilde{I}}_t^{HR,Warp}$$然后对${\tilde{I}}_t^{HR}$进行space-to-depth操作，降低分辨率的同时扩充通道数，将其与$I_t^{LR}$concat一起数去进HR帧生成器去获得最终的HR预测${\hat{I}}_t^{HR}$。同样地，在反方向上使用对称操作来获得扭曲的LR帧和预测的HR帧。在这种情况下，细节感知流估计模块生成从t到t−1的反向流，通过将反向流应用于t帧去估计t−1帧来实现扭曲。

细节感知流估计

首先连接两个相邻的LR帧$I_{t-1}^{LR}$和$I_t^{LR}$，并将其输入LR流量估计网络生成LR流$F_{t-1\to t}^{LR}$。与直接上采样LR流不同，本文在双线性上采样LR流上添加了一些额外的反卷积层。在训练中学习详细的残差图，从而更好地保留预测的HR流中的高频细节。下图为具体的网络架构：

拉普拉斯增强模块

拉普拉斯残差在寻找视频帧的细节时特别有用，在视频压缩期间这些细节可以被平滑。在COMISR中，扭曲的预测HR帧从之前帧的学习中保留了一些信息和细节。这样的细节很容易在上采样过程中丢失。为此，我们将拉普拉斯残差添加到预测的HR帧中，以增强细节。利用一个宽为$\sigma$的高斯核模糊G(·,·)来计算拉普拉斯增强图像：$${\tilde{I}}_t^{HR}={\tilde{I}}_t^{HR}+\alpha \left({\tilde{I}}_t^{HR}-G\left({\tilde{I}}_t^{HR},\sigma =1.5\right)\right)$$下图显示了使用拉普拉斯图像增强细节的对比。其中红色框和绿色框中的patch，可以清楚地看到细节纹理被锐化了。

通过利用拉普拉斯算子，我们将细节添加回扭曲的HR帧中。接下来是space-to-depth操作，它将空间数据块重新排列，然后与LR输入帧concat。我们将其通过HR帧生成器生成最终的HR预测。

损失

在训练期间，损耗的设计考虑了HR流和LR流。对于HR帧的损失，计算最终输出与HR帧之间的${\mathcal{L}}_2$距离，如下：$${\mathcal{L}}_{\text{content }}^{HR}=\frac{1}{2N}(\underset{\text{forward }}{\sum _{t=1}^N{\Vert I_t^{HR}-{\hat{I}}_t^{HR}\Vert }_2}+\underset{\text{backward }}{\sum _{t=N}^1{\Vert I_t^{HR}-{\hat{I}}_t^{HR}\Vert }_2})$$每个从t-1被扭曲到t时刻的LR帧也使用${\mathcal{L}}_2$距离来计算损失：$${\mathcal{L}}_{\text{warp }}^{LR}=\frac{1}{2N}(\underset{\text{forward }}{\sum _{t=1}^N{\Vert I_t^{LR}-{\tilde{I}}_{t-1}^{\text{Warp }}\Vert }_2}+\underset{\text{backward }}{\sum _{t=N}^1{\Vert I_t^{LR}-{\tilde{I}}_{t-1}^{Warp}\Vert }_2})$$总损失是上述两个损失的加权和。

实验

消融实验

a表示双向模块，b表示细节感知流估计，c表示拉普拉斯增强模块

定量评估

不同固定码率系数在VID4测试集上的比较，COMISR更倾向于于处理压缩严重的图像

使用LPIPS度量进行性能评估(越低越好)，在REDS测试集上表现良好

定性评估

在VID4测试集上的定性评估，原VSR方法生成的伪影较为严重