个人网站模板吧,微信号注册官方网站,三水 网站建设,电商网站后台怎么做基于流的传播和时空变压器是视频修复#xff08;VI#xff09;中的两种主流机制。尽管这些组件有效#xff0c;但它们仍然受到一些影响其性能的限制。以前基于传播的方法在图像域或特征域中单独执行。与学习隔离的全局图像传播可能会由于光流不准确而导致空间错位。此外VI中的两种主流机制。尽管这些组件有效但它们仍然受到一些影响其性能的限制。以前基于传播的方法在图像域或特征域中单独执行。与学习隔离的全局图像传播可能会由于光流不准确而导致空间错位。此外内存或计算约束限制了特征传播和视频变压器的时间范围阻止了对远帧对应信息的探索。为了解决这些问题我们提出了一个改进的框架称为ProPagation它涉及增强的ProPagation和高效的Transformer。具体来说我们引入了双域传播它结合了图像和特征扭曲的优点可靠地利用了全局对应关系。我们还提出了一种掩码引导的稀疏视频转换器它通过丢弃不必要和冗余的令牌来实现高效率。有了这些组件ProPainter在PSNR中以1.46 dB的较大优势优于现有技术同时保持了吸引人的效率。
page: https://shangchenzhou.com/projects/ProPainter/
paper: https://arxiv.org/abs/2309.03897
code: https://github.com/sczhou/ProPainter
colab: please try it https://github.com/camenduru/ProPainter-colab
项目介绍https://shangchenzhou.com/projects/ProPainter/
