《表3 各模型在UCF-101测试集中的评估结果》
尺度循环网络(Scale-Recurrent Network,SRN)[13]采用了多尺度信息共享的思想取得了不错的去模糊效果。插帧算法方面,CyclicGen[8]运用了循环一致性损失[23]并提取边缘信息以保护图像结构,SuperSlomo[6]则提取融合了帧间的双向光流信息。鉴于上述算法的预训练模型公开且效果可靠,特选取搭配为以下两组:SRN+CyclicGen与SRN+SuperSlomo,以便对比验证本文算法模型的结果。所有测得指标统计如表3。
图表编号 | XD00134489400 严禁用于非法目的 |
---|---|
绘制时间 | 2020.03.10 |
作者 | 林传健、邓炜、童同、高钦泉 |
绘制单位 | 福州大学物理与信息工程学院、福建省医疗器械与医药技术重点实验室(福州大学)、福建帝视信息科技有限公司、福建帝视信息科技有限公司、福州大学物理与信息工程学院、福建省医疗器械与医药技术重点实验室(福州大学)、福建帝视信息科技有限公司 |
更多格式 | 高清、无水印(增值服务) |