FMA-Net: 基于流向引导的动态滤波和多注意力迭代特征精炼的联合视频超分辨率和去模糊
原文中文，约400字，阅读约需1分钟。发表于：。通过联合学习视频超分辨率和去模糊的方法，本文提出了一种名为 VSRDB 的视频清晰恢复方案，以从模糊的低分辨率视频中还原出干净的高分辨率视频。通过 FGDF 和 FRMA 两个部分构成的 FMA-Net 框架，我们的方法能够精确估计时空变化的退化和恢复内核，并通过迭代特征细化的方式进行多注意力的特征改进。鲁棒的实验证明了本文提出的 FMA-Net 在定量和定性方面优于现有的方法。
研究人员提出了一种名为ASF-Net的新视频去雨方法，通过引入时间移位模块，提供了对时间信息更深层次的探索。研究人员构建了大规模的雨天视频数据集，并采用反恶化学习策略增强场景适应性。该方法在三个基准测试中表现出卓越性能，并在真实场景中具有令人信服的视觉质量。
