《表1 TAA与本文算法性能对比》
本文研究的目的在于使用深度学习方法提升时域反走样的效果,我们将分别统计本文算法及TAA算法在所采集数据集上的RMSE指标,来统计逐像素数值上的差异。表1为TAA及本文算法进行的定量比较,可以看出本文算法相对于原始的算法,RMSE数值更低,这意味着本文算法结果与Ground Truth差异更小,即在统计上本文算法优于TAA。而图3在实际场景中的测试则可以看出,TAA算法对原图产生了一定的反走样效果,几何边缘锯齿现象减弱,但整体画面更加模糊;相比之下,本文算法结果既保留了清晰的几何边缘,在纹理上也保持了原有的清晰度,产生了更接近Ground Truth的高质量反走样结果。
图表编号 | XD00139878200 严禁用于非法目的 |
---|---|
绘制时间 | 2020.04.05 |
作者 | 李健宽 |
绘制单位 | 四川大学计算机学院 |
更多格式 | 高清、无水印(增值服务) |