EvTexture: Event-driven Texture Enhancement for Video Super-Resolution

事件驱动视觉因其高时间分辨率和高动态范围等独特特性而受到越来越多的关注。最近，它已被用于视频超分辨率（VSR）中以增强流估计和时间对齐。本文提出了一种新的 VSR 方法 EvTexture，它不是用于运动学习，而是首次利用事件信号进行纹理增强。我们的方法利用事件的高频细节来更好地恢复 VSR 中的纹理区域。在我们的 EvTexture 中，提出了一个新的纹理增强分支。我们进一步引入了一个迭代纹理增强模块，以逐步探索高时间分辨率的事件信息以进行纹理恢复。这允许在多次迭代中逐渐改善纹理区域，从而获得更准确和更丰富的高分辨率细节。实验结果表明，我们的 EvTexture 在四个数据集上实现了最先进的性能。对于具有丰富纹理的 Vid4 数据集，与最近的事件驱动方法相比，我们的方法可以获得高达 4.67dB 的增益。代码：https://github.com/DachunKai/EvTexture。

本文旨在提出一种利用事件信号进行纹理增强的视频超分辨率（VSR）方法，以更好地恢复VSR中的纹理区域。

EvTexture是一种新的VSR方法，它利用事件信号的高频细节来更好地恢复VSR中的纹理区域。它引入了一个新的纹理增强分支，并进一步介绍了一个迭代纹理增强模块，以逐步探索高时间分辨率事件信息以进行纹理恢复。

本文提出的EvTexture方法在四个数据集上取得了最先进的性能。对于具有丰富纹理的Vid4数据集，与最近的基于事件的方法相比，我们的方法可以获得高达4.67dB的增益。此外，作者还提供了开源代码。

最近的相关研究包括使用事件信号进行光流估计和时间对齐的方法。