标题&作者团队
paper: https://arxiv.org/abs/2104.13371
code: https://github.com/open-mmlab/mmediting
本文是南洋理工大学Chen Change Loy团队在视频超分方面最新进展。在BasicVSR的基础上,将双向信息传播进化为网格状双向信息传播,将光流对齐进化为光流引导的形变对齐,同时利用光流对齐与形变对齐各自的优点得到本文的BasicVSR++。该方案在Vid4数据集上达到了史无前例的29.04dB;该方案在NTIRE2021视频超分、压缩视频增强四个赛道取得了“三冠一亚”的优异成绩。实乃视频超分的顶峰!
recurrent
(递归)架构是视频超分任务的主流框架选择,当前最优的BasicVSR采用双向传播(bidirectional propagation)+特征对齐方式从完整输入视频中有效提取信息。
本文对BasicVSR进行了重设计,提出了二阶网格传播(grid propgation)与光流引导形变对齐。通过采用增强版传播与对齐,所得BasicVSR++可以更有效的利用未对齐视频的空时信息。在相近计算复杂度下,所提BasicVSR++取得了显著的性能提升。比如,在REDS4测试集上,相比BasicVSR,BasicVSR++的性能提升高达0.82dB。
除了视频超分外,BasicVSR++可以很好的泛化到其他视频复原任务,比如压缩视频增强。在NTIRE2021竞赛中,BasicVSR++在视频超分与压缩视频增强竞赛中取得了三项冠军、一项亚军的优异成绩。
本文主要改进有这样两点:
framework
上图给出了BasicVSR++的框架示意图,相比BasicVSR,它针对信息传播与对齐进行了两种有效改进。给定输入视频,首先采用残差模块提取对每一帧提取特征;然后这些特征在二阶网络传播机制中进行信息传播,其中对齐部分采用光流引导形变对齐;完成信息传播后,汇聚集成后的特征用于生成输出图像。
大多现有方案采用单向信息传播,比如RSDN、RRN、FRVSR;只有较少的工作(比如Basic VSR、BRCN)采用双向信息传播进行视频序列中的信息利用。特别的,IconVSR采用耦合传播机制促进信息交互。
受双向传播有效性启发,我们设计了一种网格传播机制,它通过信息传播进行信息重复提炼。更具体地说,中间特征以交替方式进行后向与前向传播。通过这种传播方式,不同帧地信息可以重复访问revisited
并用于特征提炼。相比现有传播特征仅利用一次地方案,所提网格传播从完整序列重复提取信息,改进了特征表达能力。
为进一步增强信息传播地鲁棒性,我们对BasicVSR中的一阶马尔可夫属性进行了弱化并采用了二阶连接。通过这种松弛,信息可以从不同的空时位置进行集成,提升了对于遮挡的鲁棒性和有效性。
通过集成上述两个成分,我们按照如下方式设计了二阶网格传播。假设
表示输入图像,
表示通过多个残差模块提取的特征,
表示在第i时间步长第j传播分支的特征。这里主要针对前向传播进行介绍,反向传播于此类似。
为计算特征
,我们首先采用光流引导形变对齐方案对
进行对齐,可以描述如下:
其中,
表示从
帧到
帧的光流,
表示光流引导形变对齐。对齐后的特征通过拼接送入到后续残差模块:
EDVR的成功表明:offset的多样性使得形变对齐具有优于光流对齐的性能。然而,形变对齐存在难训练问题,训练不稳定会导致offset发散问题,进而影响模型性能。
为充分利用offset多样性并克服训练不稳定问题,受启发于形变对齐与光流对齐之间的强相关性,我们提出采用光流引导形变对齐,见下图。
在第j次时间补偿,给定特征
,光流
,我们首先对
进行仿射变换:
预对齐特征用于计算offset
与调制掩码
。不同于直接计算offset,我们计算光流残差:
然后采用DCN进行特征对齐:
上述是针对仅进行单个特征对齐设计,因此难以直接用于二阶传播。最简单的方式是按照上述流程对两个特征
分别处理。然而,这会导致两倍计算量,效率低下;而且,分开处理就会忽视帧间的互补性。因此,我们同时对两帧进行对齐。更具体来说,我们将两个仿射后特征拼接然后计算offset
:
然后采用DCN进行对齐:
Discussion 不同于TDAN、EDVR 等方法直接计算DCN的offset,我们提出了采用光流作为i引导的光流引导形变对齐。这种方式有这样两个优点:(1) 由于CNN具有局部感受野,offset的学习可以通过光流预对齐特征进行辅助;(2) 通过仅仅学习残差,网络秩序学习较小的偏差,降低了常规形变对齐模块的负担。除此之外,DCN中的调制掩码还能起到注意力机制的作用,提供更好的灵活性。
为验证所提方法的有效性,我们采用REDS与Vimeo90K这两个广泛采用的数据进行训练。当采用REDS进行训练时,测试集为REDS4,验证集为REDSval4,其余用作训练;当采用Vimeo90K进行训练时,测试集为Vid4、UDM100以及Vimeo90K-T。所有的模型采用两种4x退化方式(BI、BD)进行训练&测试。
训练过程中优化器为Adam,Cosine Annealing学习衰减机制,主网络与光流网络的学习率分别设置为
。总共迭代此输为600K,光流网络的权值在前5000次迭代过程中固定。batch=8,patch=64,损失为Charbonnier。光流网络采用SPyNet,残差模块数量为7,通道数为64.
上表对比了16种不同视频超分方案的性能、参数量以及耗时。从中可以看到:
reds4
vimeok-t
vid4
上面几个图给出了所提方案在不同测试集上的视觉效果对比,可以看到:BasicVSR++成功的复原了图像的纹理细节。
上表对比了不同快的影响性分析,可以看到:每个模块都带来一定程度的性能提升,从0.14dB到0.46dB不等。
上图对比了所提传播机制的定性比较。可以看到:二阶传播与网格传播均可以带来显著的细节提升效果。
上图对比了不同光流的视觉效果差异以及其对于重建图像的影响。可以看到:
上图对比了不同方法的时序一致性。可以看到:
上图对比了所提方案在压缩视频增强方面的效果。可以看到:BasicVSR+陈工的抑制了伪影,生成了具有更高质量的图像。该方案在NTIRE2021视频超分、压缩视频增强四个赛道的比赛中取得了三冠一亚的优异成绩。