Real-World Video Restoration using Noise2Noise

Martin Zach, Erich Kobler

Publikation: Beitrag in Buch/Bericht/KonferenzbandBeitrag in einem KonferenzbandBegutachtung

Abstract

Restoration of real-world analog video is a challenging task due to the presence of very heterogeneous defects. These defects are hard to model, such that creating training data synthetically is infeasible and instead time-consuming manual editing is required. In this work we explore whether reasonable restoration models can be learned from data without explicitly modeling the defects or manual editing. We adopt Noise2Noise techniques, which eliminate the need for ground truth targets by replacing them with corrupted instances. To compensate for temporal mismatches between the frames and ensure meaningful training, we apply motion correction. Our experiments show that video restoration can be learned using only corrupted frames, with performance exceeding that of conventional learning.
Originalspracheenglisch
TitelJoint Austrian Computer Vision and Robotics Workshop 2020
Herausgeber (Verlag)Verlag der Technischen Universität Graz
Seiten145-150
Seitenumfang5
ISBN (elektronisch)978-3-85125-752-6
DOIs
PublikationsstatusVeröffentlicht - 2020
VeranstaltungJoint Austrian Computer Vision and Robotics Workshop 2020 - Technische Universität Graz, abgesagt, Österreich
Dauer: 17 Sep. 202018 Sep. 2020

Konferenz

KonferenzJoint Austrian Computer Vision and Robotics Workshop 2020
KurztitelACVRW 20
Land/GebietÖsterreich
Ortabgesagt
Zeitraum17/09/2018/09/20

Fingerprint

Untersuchen Sie die Forschungsthemen von „Real-World Video Restoration using Noise2Noise“. Zusammen bilden sie einen einzigartigen Fingerprint.

Dieses zitieren