Magnific 图像超分 & 增强工具还正在火热体验中，它强大的图像升频与再创能力收获一致好评。现在，视频领域也有了自己的 Magnific。
拍摄的街道视频一片模糊，仿佛高度近视没戴眼镜一样：
与之相比，下面的视频清晰度高了很多：
视频画面两边形成鲜明的对比：左边视频已经模糊的看不清人脸，而右边视频建筑物的纹理也看得清清楚楚：
行驶的汽车仿佛从一个模糊的世界穿越到高清世界：
不同的方法进行比较，明显看到右下角的视频在微小的细节恢复方面更加清晰：
通过上述展示，我们可以看出，视频超分辨率（VSR）就像是给模糊的老电影穿上了高清新衣。比如上面展示的一段道路监控录像，由于画质太低，细节看起来像是被涂抹过一样。这时候就需要 VSR 技术出场了，它能够把这些低分辨率的视频变得更加清晰。
不过，这个过程并不简单。常常因为摄像机晃动或拍摄物体的移动，视频就像是被风吹过的湖面，波纹模糊。这时，我们不仅需要提升视频的清晰度，还得「摆平」这些模糊的干扰。这就需要视频超分辨率和去模糊的联合修复（VSRDB），它要在保持视频清晰度的同时，还得处理模糊，确保最后呈现出来的视频既清晰又流畅。
为了实现上述效果，来自韩国科学技术院（KAIST）与中央大学的研究者们提出了 FMA-Net 框架。这个框架基于流引导的动态滤波（Flow-Guided Dynamic Filtering, FGDF）和迭代特征细化的多重注意力机制（Iterative Feature Refinement with Multi-Attention, FRMA），旨在实现从小到大的运动表示学习，并具有良好的联合恢复性能（见图 1）。FGDF 的关键之处在于执行滤波时要注意运动轨迹，而不是拘泥于固定位置，这样就能用较小的核有效处理较大的运动。
- 论文地址：https://arxiv.org/abs/2401.03707
- 项目主页：http://kaist-viclab.github.io/fmanet-site/
- 论文标题：FMA-Net: Flow-Guided Dynamic Filtering and Iterative Feature Refinement with Multi-Attention for Joint Video Super-Resolution and Deblurring
方法介绍
该研究的目标是同时实现视频超分辨率和去模糊（VSRDB）。对于一个模糊的 LR（低分辨率， low-resolution ）输入序列
，式中 T = 2N + 1、c 分别表示输入帧数和中心帧索引。VSRDB 的目标是预测一个清晰的 HR（ 高分辨率，high-resolution ）中心框架
。如下图展示了 VSRDB 框架 FMA-Net。
FMA-Net 包括两部分：退化学习网络 Net^D ；修复网络 Net^R 。退化学习网络用于估计感知运动的时空变化退化核；修复网络利用这些预测出的退化核来恢复模糊的低分辨率视频。
其中，退化学习网络 Net^D 用来预测运动感知的时空变化退化，而 Net^R 以全局自适应的方式利用 Net^D 预测的退化来恢复中心帧 X_c。
Net^D 和 Net^R 具有相似的结构，它们由 FRMA（ feature refinement with multiattention ）块和 FGDF（ flow-guided dynamic filtering ）块组成。
下图 4 (a) 显示了第 (i+1) 步更新时 FRMA 块的结构，图 4 (b) 为多注意力结构。
下图 2 展示了 FGDF 概念。FGDF 看起来类似于可变形卷积（DCN），但不同之处在于 FGDF 学习的是位置相关的 n×n 动态滤波器系数，而 DCN 学习的是位置不变的 n×n 滤波器系数。
此外，新提出的多注意力机制，包括以中心为导向的注意力和退化感知注意力，使得 FMA-Net 能够专注于目标帧，并以全局适应的方式使用退化核进行视频超分辨率和去模糊。
训练策略
该研究采用两阶段的训练策略来训练 FMA-Net。首先对 Net^D 进行预训练，损失 L_D 为：
然后，为了提高性能，本文还提出了 TA 损失，即等式右侧的最后一项。
总的训练损失为：
实验结果
表 1 显示了在测试集 REDS4 上的定量比较结果。从表 1 可以看出：
- 级联 SR 和去模糊的序列方法会导致先前模型的错误传播，导致性能显著下降，并且使用两个模型还会增加内存和运行时成本；
- 与序列级联方法相比，VSRDB 方法始终表现出优越的整体性能，表明这两个任务高度相关；
- FMA-Net 在 PSNR、SSIM 和 tOF 方面显著优于所有 SOTA 方法，具体来说，FMA-Net 比 SOTA 算法 RVRT * 和 BasicVSR++* 分别提高了 1.03 dB 和 1.77 dB。
表 2 为定量比较结果。当对两个测试集进行平均时，FMA-Net 的性能分别比 RVRT * 和 GShiftNet * 提高了 2.08 dB 和 1.93 dB。
下图为不同方法对 ×4 VSRDB 的可视化比较结果，表明 FMA-Net 生成的图像比其他方法生成的图像在视觉上更清晰。
不同方法在 REDS4、GoPro 和 YouTube 测试集上的可视化结果。放大观看效果最好。
了解更多技术细节，请阅读原文。
