Deep Blind Video Super-resolution

好像中了CVPR 2020？？？没有查到
代码：https://github.com/jspan/blindvsr

文章思路

所谓盲超分：
我的理解是目前大部分的图像和视频超分辨算法，他们所使用的退化模型都是已知的，比如Bicubic核，高斯模糊核。在我们使用CNN去建模时，CNN在超分过程中并不会对模糊核进行建模，因为它是已知的，这样导致的问题就是最后产生的超分结果很平滑，看上去就会显得比较模糊。（这个地方的疑惑是为什么已知了，CNN就不对其建模了？这个地方有大佬有更深入的理解，还望告诉在下，）

所以盲超分要解决的问题就是估计模糊核

这篇文章是第一篇做视频盲超分的文章。它提出用深度卷积网络进行视频的盲超分，整个网路由三部分组成：
1）运动模糊核估计网络，因为是视频超分，这里的模糊核就是运动模糊核了。
2）运动估计网络
3）视频帧复原网络
完整架构如下：

整个算法的流程叙述如下：
1）首先进行运动模糊核估计。这个运动模糊核估计网络由两层全连接层组成，实验中两层的大小分别设为1000和225。核估计网络采用高斯核作为输入，输入的具体设置，可以参见源码或者论文[1]，然后网络逐渐学习去逼近这个真实的核，最后输出的估计核大小为15×1515\times1515×15。这个网络的优化目标如下：

其中，K^\hat{K}K^就是所估计出的运动模糊核，IiI_iIi是高分辨图像，LiL_iLi是对应的低分辨图像，S是下采样矩阵。
2）模糊核估计完成后，根据下式，求解出一个中间超分结果：

其中γ=0.02\gamma=0.02γ=0.02。
由于得到的中间超分结果可能并不满意，可能存在一些噪声核伪影，所以还需要进一步优化，所以就有了后面的步骤。
3）进行光流运动估计，借助帧间信息辅助目标帧实现更好的超分性能。作者采用了PWC-Net算法，其输入是通过Bicubic上采样后的低分辨图像，接着输出相应的光流信息，然后通过双线性插值，根据所估计到的光流运动信息，warp近邻帧，得到对齐后的近邻帧。
4）将对齐后的近邻帧与第二步得到的中间超分结果首先分别通过space-to-depth （就是PixelShuffle的逆过程）变换到低分辨空间，然后按通道拼接起来送入一个视频帧复原网络中进行精炼，最终输出超分后的视频帧。（这个复原网络文中采用是图像超分算法RCAN）。这个部分的优化目标如下：

即是超分结果与GT之间L1损失。

训练方式
1）首先训练运动模糊核估计网络。
2）然后再联合光流估计网络和复原网络一起训练（此时运动模糊核网络不再优化参数，只是使用训练好的网络输出结果即可，这是个人理解，文中并没说，我认为我的理解是对的）。

实验结果

训练数据集：REDS
测试集：REDS4，SPMCS,Vid4
评价指标：PSNR,SSIM

下表评估了运动模糊核估计有效性，前面两个方法是不带模糊核估计的，区别仅在于一个输入低分辨图像，一个输入是Bicubic上采样后（HR）的结果。

模糊核有效性实验可视化结果

下表和下图验证了所估计的模糊核的准确性。
它的实验方式是，将Bicubic下采样后的低分辨图像作为GT（可见，Bicubic插值除了由下采样作用，还带有模糊的效果），然后本文估计的模糊核联合一个下采样操作（具体实现方式文中没有提及），其输出作为预测的低分辨图像，两者求PSNR和SSIM进行比较。由此可见，算法估计的模糊核更接近真实的Bicubic核（从最后一张图看更直观，真实的Bicubic核可以参见文章[2]）。

[1]Qi Shan, Zhaorong Li, Jiaya Jia, and Chi-Keung Tang. Fast image/video upsampling. ACM TOG, 27(5):153:1–153:7, 2008. 5
[2]Netalee Efrat, Daniel Glasner, Alexander Apartsin, Boaz Nadler, and Anat Levin. Accurate blur models vs. image priors in single image super-resolution. In ICCV, pages 2832–2839, 2013. 4, 7