АДАПТИВНЕ ПОКРАЩЕННЯ ВІДЕО НА ОСНОВІ ОЦІНЮВАННЯ ДЕГРАДАЦІЇ БЕЗ ОПОРИ НА ЕТАЛОННЕ ЗНАЧЕННЯ

Анотація

Покращення відео спрямоване на відновлення високоякісного відеопотоку з деградованих вхідних даних, які зазнали впливу шуму, розмиття, артефактів стиснення або втрати роздільної здатності. Більшість існуючих моделей припускають фіксований тип деградації під час навчання, що обмежує їхню стійкість у реальних умовах зі змінними та невідомими спотвореннями.

У цій роботі запропоновано фреймворк покращення відео з урахуванням якості, який передбачає явне оцінювання рівня деградації вхідних даних та відповідну адаптацію процесу відновлення. Запропонована система складається з легкого модуля оцінювання деградації, який прогнозує показник якості для кожного кадру, та умовної мережі покращення, яка динамічно налаштовує інтенсивність обробки залежно від оціненого рівня пошкодження. На відміну від статичних моделей, навчених для одного типу деградації, наша система адаптується до різноманітних спотворень, застосовуючи відповідні стратегії покращення залежно від якості вхідного сигналу.

Результати численних експериментів на стандартних наборах даних, таких як Vimeo-90K та REDS, демонструють, що запропонований підхід стабільно перевершує сильні базові моделі, зокрема BasicVSR, EDVR та інші, особливо в умовах сліпої деградації. Розроблений фреймворк покращує показники PSNR, SSIM та LPIPS, забезпечуючи водночас високу часову узгодженість без суттєвого збільшення обчислювальних витрат. Отримані результати підкреслюють перспективність явного оцінювання якості для досягнення надійного та перцептивно точного покращення відео в умовах реальних змінних спотворень.