论文标题：Transcoded Video Restoration by Temporal Spatial Auxiliary Network

论文链接：https://arxiv.org/pdf/2112.07948.pdf

代码链接：https://github.com/icecherylXuli/TSAN

结合实际应用场景，该论文将深度学习与转码视频去伪影任务相结合，利用转码视频特性，将初始编码信息作为中间辅助监督标签，设计辅助监督和全局监督损失函数引导网络训练。同时，该论文结合视频的时空相关特性设计了包括时域可变形对齐模块(TDAM)、金字塔空域融合模块(PSFM)等在内的卷积神经网络架构，并协同辅助监督(ASAM)和全局监督(GSAM)训练以更好地提升转码视频的画面质量。因此，通过论文方法，可以在不增加视频码率的情况下大幅提高视频图像质量。

内容中包含的图片若涉及版权问题，请及时与我们联系删除