特征域多假设预测视频压缩感知重构神经网络

摘要：

在预测-残差重构框架中,利用视频时间相关性进行多假设预测是视频压缩感知重构的关键步骤.针对目前的视频压缩感知多假设重构神经网络预测精度不够,且理论解释性较差等问题,文中结合传统多假设理论,提出了一种特征域多假设预测视频压缩感知重构网络(FMH_CVSNet).首先,提出了一种新的特征域多假设预测模块,通过构造合理的运动估计模块与假设权重求解模块来增强网络的预测能力;然后,提出了两阶段多参考帧运动补偿模式,以适应序列特征构造更优的假设集,进一步提升预测精度.仿真结果表明,FMH_CVSNet在各实验条件下均取得了较好的重构性能,相比于2 sMHR和VCSNet-2,平均PSNR分别提升了4.76、3.87 dB.

关键词：压缩感知、深度学习、多假设预测、自适应假设权重、多帧参考重构

所属期刊栏目：50

分类号：TP919.8

资助基金：广东省自然科学基金资助项目;广东省自然科学基金资助项目

在线出版日期：2022-07-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：80-90