【CVPR2020】时序分组注意力视频超分

该文是清华大学&华为诺亚方舟联合提出的一种视频超分方案。在图像/视频质量改善领域，每年都会出现大量的paper，但真正值得深入研究的并不多。恰好该文是视频超分领域非常不错的文章之一，它在指标方面取得了媲美甚至优于EDVR的效果且并未使用形变卷积。所以这篇论文值得各位花点时间去了解一下。 视频超分旨在根据低分辨率视频生成高分辨率且更优视觉效果的视频，目前它引起了越来越多的关注。在这篇论文中，作者提出一种采用分层方式利用时序信息的方法。输入序列被分为多个组，不同组对应不同的帧率，这些组为参考帧重建遗失细节提供了互补信息，与此同时，还集成了注意力模块与组间融合模块。此外，作者还引入一种快速空域对齐以处理视频的大位移运动。

作者通过了实验证实了所提方法的在处理不同运动方面的有效性，并在多个基准数据集上取得了SOTA性能。总而言之，该文主要有下面几点贡献：

• 提出一种新颖的神经网络，它可以通过帧率分组分层方式有效的融合空时信息；
• 引入一种快速空域对齐方法处理大运动问题；
• 所提方法在两个主流视频超分基准数据集上取得了SOTA性能