《表1 VF与合成帧质量PSNR对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《联合时域虚拟帧的多帧视频质量增强方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

dB

基于上述考虑，本文选择使用自适应可分离网络（adaptive separable CNN，ASCNN）[14]来预测当前帧的VF.ASCNN能够根据输入的2幅图像插值出它们中间的一幅图像，利用这种特性，2个邻近的高质量帧可以插值出中间低质量帧的VF.为验证该VF的质量，本文将其与常见的运动补偿方法，即通过光流法插值得到的中间帧进行了对比.如表1所示，重建图像的第1帧与第3帧经过ASCNN预测得到了第2帧的VF；同时，使用光流法FlowNet 2.0[15]将第1帧与第3帧进行对齐，再经过像素加权平均计算得到了合成的第2帧.通过表1的对比可发现，VF的客观质量明显高于光流合成帧.值得注意的是，ASCNN预测法对运动剧烈的序列效果尤为明显，如在序列BasketballDrill上，ASCNN得到的VF比光流法得到的合成帧的PSNR高出2.91 dB，而序列FourPeople由于运动不太剧烈，因此两者质量差距不大.