基于细节还原卷积神经网络的压缩视频质量增强技术研究

作者：李子晗; 邵笑; 张佩云^*

来源：南京信息工程大学学报(自然科学版), 2023, 15(03): 274-285.

DOI：10.13878/j.cnki.jnuist.20220321001

• 视频质量增强
• 深度学习
• 视频后处理
• 多尺度特征提取

视频编码技术有效地解决了原始视频数据量过大的问题，但压缩效率的提升会使视频质量下降.为了提高压缩视频的视觉质量，本文提出了一种基于细节还原卷积神经网络(Detail Recovery Convolutional Neural Network, DRCNN)的视频质量增强方法，该方法由一个主去噪分支和一个细节补偿分支组成.为了有效地提取和消除压缩失真，在主去噪分支中提出了一个多尺度失真特征提取块(Multi-scale Distortion Feature Extraction Block, MDFEB),使其更加关注压缩视频中的失真区域，并提高DRCNN的失真特征学习能力.此外，为了丰富压缩视频中的细节，本文提出了细节补偿分支：首先采用预训练的50层残差网络组成的内容特征提取器，提供丰富的内容特征，如突出的物体、形状、细节等；然后通过设计的细节响应块(Detail Response Block, DRB)从内容特征中有效地提取细节特征.大量的实验结果表明，与4种有代表性的方法相比，本文所提出的DRCNN实现了最佳的压缩视频质量增强性能.

• 单位
  南京信息工程大学