前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >CVPR2021 | NTIRE2021竞赛"三冠一亚"方案BasicVSR++,Vid4新巅峰29.04dB

CVPR2021 | NTIRE2021竞赛"三冠一亚"方案BasicVSR++,Vid4新巅峰29.04dB

作者头像
AIWalker
发布2021-05-24 10:41:19
1.4K0
发布2021-05-24 10:41:19
举报
文章被收录于专栏:AIWalkerAIWalker

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!

Abstract

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:

  • 二阶网络传播,见上图Figure1-a。它解决了BasicVSR的两个局限问题:(1) 我们采用网格方式集成更多样的双向传播;(2) 放松了BasicVSR中的一阶马尔可夫属性假设,将二阶连接引入到网络中。这种改进可以改善信息流动,提升模型对于遮挡的鲁棒性;
  • BasicVSR验证了光流对于时序对齐的重要性。然而,光流对于遮挡不够鲁棒。形变对齐在VSR中表现出了优异性能,但难以训练。为充分利用形变对齐的特性并客服训练不稳定问题,我们提出了光流引导形变对齐,见Figure1-b。

Method

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。

Second-Order Grid Propagation

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

x_i

表示输入图像,

g_i

表示通过多个残差模块提取的特征,

f_i^j

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

f_i^j

,我们首先采用光流引导形变对齐方案对

f_{i-1}^j, f_{i-2}^j

进行对齐,可以描述如下:

\hat{f}_i^j = \mathcal{A}(g_i, f_{i-1}^j, f_{i-2}^j, s_{i\rightarrow i-1}, s_{i\rightarrow i-2})

其中,

s_{i\rightarrow i-1}, s_{i\rightarrow i-2}

表示从

i

帧到

i-1, i-2

帧的光流,

\mathcal{A}

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:

f_i^j = \hat{f}_i^j + \mathcal{R}(c(f_i^{j-1}, \hat{f}_i^j))

Flow-Guided Deformable Alignment

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

g_i, f_{i-1}

,光流

s_{i\rightarrow i-1}

,我们首先对

f_{i-1}

进行仿射变换:

\tilde{f}_{i-1} = \mathcal{W}(f_{i-1}, s_{i\rightarrow i-1})

预对齐特征用于计算offset

o_{i\rightarrow i-1}

与调制掩码

m_{i\rightarrow i-1}

。不同于直接计算offset,我们计算光流残差:

o_{i\rightarrow i-1} = s_{i\rightarrow i-1} + \mathcal{C}^o(c(g_i, \tilde{f}_{i-1})) \\ m_{i\rightarrow i-1} = \sigma(\mathcal{C}^m(c(g_i, \tilde{f}_{i-1})))

然后采用DCN进行特征对齐:

\hat{f}_i = \mathcal{D}(f_{i-1}; o_{i\rightarrow i-1}, m_{i\rightarrow i-1})

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

f_{i-1}^j, f_{i-2}^j

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

o_{i-p}(p=1,2)

:

o_{i\rightarrow i-p} = s_{i\rightarrow i-p} + \mathcal{C}^o(c(g_i, \tilde{f}_{i-1}, \tilde{f}_{i-2})) \\ m_{i\rightarrow i-p} = \sigma(\mathcal{C}(c(g_i, \tilde{f}_{i-1}, \tilde{f}_{i-2})))

然后采用DCN进行对齐:

o_i = c(o_{i\rightarrow i-1}, o_{i\rightarrow i-2}) \\ m_i = c(m_{i\rightarrow i-1}, m_{i\rightarrow i-2}) \\ \hat{f}_i = \mathcal{D}(c(f_{i-1}, f_{i-2}); o_i, m_i)

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。

Experiments

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

1\times 1^{-4}, 2.5\times 10^{-5}

。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:

  • 在所有数据+两种退化方式下,BasicVSR++均取得当前最佳性能;
  • 相比EDSR,BasicVSR++带来了1.3dB的性能提升,同时参数量少35%;
  • 相比IconVSR,BasicVSR++带来了1dB性能提升,同时具有更少的参数量。
  • 相比BasicVSR与IconVSR,下表中的轻量化版本BasicVSR++仍可带来0.82dB与0.57dB的性能提升。

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

Ablation Study

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:

  • 通过仅仅学习光流残差,网络生成的offset与光流具有高度相似性,同时具有可见的差异;
  • 相比基线模型,所提方案可以从多个位置检索信息,提供额外的灵活性,进而产生了更好的重建图像。

上图对比了不同方法的时序一致性。可以看到:

  • 相比滑动窗口方案,递归方案具有更好的时序一致性;
  • 相比EDVR、Basic VSR,BasicVSR++具有更好的时序一致性。

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。

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2021-04-29,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 AIWalker 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • Abstract
  • Method
    • Second-Order Grid Propagation
      • Flow-Guided Deformable Alignment
      • Experiments
      • Ablation Study
      相关产品与服务
      文件存储
      文件存储(Cloud File Storage,CFS)为您提供安全可靠、可扩展的共享文件存储服务。文件存储可与腾讯云服务器、容器服务、批量计算等服务搭配使用,为多个计算节点提供容量和性能可弹性扩展的高性能共享存储。腾讯云文件存储的管理界面简单、易使用,可实现对现有应用的无缝集成;按实际用量付费,为您节约成本,简化 IT 运维工作。
      领券
      问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档