快速视频图象上取样

　　摘要

　　我们提出了一种简单而高效的上采样技巧。这种方式才能手动的提高视频图象的帧率，同时还能保持图象的重要结构信息。我们的方式主要优点在于一个反馈控制框架，这个框架才能从低码率图象准确地复原高分辨率图象，而不需要强加从其它样本中学习到的图象的局部结构约束信息。这促使我们的方式在图象质量上与通过大量取样学习得到的高质量图象是独立的。通常大量样本学习的算法，能够形成高质量的图象质量而没有可觉察到的难看的人工痕迹。我们的方式另外一个优点是可以很自然地扩充到视频的上采样中，同时，视频的暂态连续性才能手动的保持。最后，我们的算法运行的很快。我们通过不同的视频图象数据演示了我们的算法的有效性。

　　注：本文系我10年翻译的香港中文大学贾佳亚发表在SIGGRAPH ASIA 2008的文章，很多地方翻译的不好，敬请拜谢。

　　翻译稿请从这儿下载。

　　点击打开链接

　　原文下载地址：~leojia/projects/upsampling/index.html

　　他们的处理结果显示，上取样疗效相当不错，他们声称可以实时处理视频。但在没有GPU的情况下太慢太慢，在我的pc机上测试，对720p的图片放大2倍都要数10秒。

　　参照她们的思路，我用基于稀疏先验分布的反卷积算法实现了一下，实际疗效没有她们的好，但比Bicubic要好。而她们的处理疗效，比Bicubic显著的好出许多，他们的测试图如下：