A priori Plug-and-Play profond pour la restauration de vidéos
Résumé
This paper presents a method for restoring digital videos via a Plug-and-Play (PnP) approach. The method consists in using a deep convolutional denoising network in place of the proximal operator of the prior in an alternating optimization scheme. This way, a network trained once for denoising can be repurposed for other restoration tasks such as interpolation or deconvolution. Our experiments show the benefit of using a network specifically designed for video denoising, as it reaches better restoration performance and better temporal stability than a single image denoising network with similar denoising performance using the same PnP formulation.
Cet article présente une méthode de restauration de vidéos numériques via une approche Plug-and-Play (PnP). La méthode consiste à utiliser un réseau convolutionnel profond de débruitage pour remplacer l'opérateur proximal de l'a priori dans un schéma d'optimisation alterné. Elle permet de réutiliser un réseau uniquement entrainé pour du débruitage pour d'autres tâches de restauration comme l'interpolation ou le déflouage. Nos expériences montrent l'intérêt d'utiliser un réseau spécifiquement conc ¸u pour le débruitage vidéo qui, avec la même formulation PnP, permet d'atteindre de meilleures performances de restauration et une meilleure stabilité temporelle qu'un réseau mono-image aux performances de débruitage similaires.
| Origine | Fichiers produits par l'(les) auteur(s) |
|---|