1
DEEP LEARNING JP
[DL Papers]
http://deeplearning.jp/
Investigating Tradeoffs in Real-WorldVideo Super-Resolution
Presenter: KazutoshiAkita
(ToyotaTechnological Institute, IntelligentInformation Media Lab)

論文情報
• 論文名：Investigating Tradeoffs in Real-World Video Super-Resolution (CVPR2022)
• 著者：Kelvin C.K. Chan, Shangchen, Zhou, Xiangyu Xu, Chen Change Loy
S-Lab, Nanyang Technological University
• URL:
https://openaccess.thecvf.com/content/CVPR2022/papers/Chan_Investigating_Tradeoffs_in_Real-World_Video_Super-Resolution_CVPR_2022_paper.pdf
2
※本資料の図は，言及がなければ自作あるいは上記論文からの引用

Video Super-Resolution; VSR
• Video Super-Resolution
– 動画の空間解像度を高めるタスク
– 複数フレームを入力するタイプの超解像の一つ
• Multi-frame Super-Resolution
– 単画像超解像（Single-Image Super-Resolution; SISR）よりも
入力枚数が多いため，VSRのほうがより綺麗な画像を出力
できることが期待される
3
VSR手法の一例（BasicVSR）[1]
[1] K. Chan, et al., “BasicVSR: The Search for Essential Components in Video Super-Resolution and Beyond”, CVPR2021.

VSRの課題①
• 入力シーケンス長が長いと，不自然・不快な見た目（アーティファクト）が出る場合がある
– 特に，学習時と推論時で劣化過程が異なる場合（Real-World Super-Resolusion）に顕著
4

VSRの課題②
• 学習のコストが非常に高い
– 可能ならば大きいサイズで長いシーケンスのGT動画で，大きいバッチサイズ学習したい
• 例えば1280×720の解像度で30フレームのシーケンスをバッチサイズ32で学習など
– しかし，このようなデータでの学習は，
• 動画の読み込み（= I/O）がボトルネックになる
• 長いシーケンスでは逆伝搬の計算コストが重い（特にRNN系）
• etc.
5

1. アーティファクト抑制
• 一般的な超解像の学習方法
6
SRNet
低解像画像
（LR画像）
超解像画像
（SR画像）
・低解像化
・ブラー
高解像画像
（HR画像）
Loss (e.g., MSE, L1)

1. アーティファクト抑制
• Real-World Super-Resolutionでは，シーケンス長が長くなるにつれてアーティファクト発生
– Non-Blind VSR：学習時と同じ劣化過程のテスト画像
– Real-World VSR：学習時と異なる劣化過程のテスト画像
7

1. アーティファクト抑制
• VSRは，低解像フレームから「画像の詳細」を抽出して統合する
– Non-Blind VSRでは，低解像フレームのもつ「画像の詳細」が特定できる
– Real-World SRでは，入力の「ノイズやアーティファクト」と「画像の詳細」が区別できない
8
エッジ？
エッジ？

1. アーティファクト抑制
• Pre-cleaning
– 事前に低解像画像からノイズを除去しておく
– 以下2つのlossで学習
9
𝜌: 画像間のL1損失
𝑥𝑖: cleaning後の画像
𝑦𝑖: 最終的な超解像結果
𝑧𝑖: GT

1. アーティファクト抑制
• Pre-cleaningで画像のノイズを除去可能
• しかし，cleaningの程度は慎重に設計する必要がある
– 過度なcleaningは重要な画像の詳細を消す可能性がある
10

1. アーティファクト抑制
• Recurrent cleaning
– cleaningモジュールを再帰的に利用
– 再帰回数を変更することで
cleaningの程度を制御可能に
11
𝐶: cleaningモジュール

1. アーティファクト抑制
• 1枚の画像でcleaningの再帰回数と最終的なSR結果の関係を確認
– NIQE: 人が見て綺麗かどうかを評価する指標
– 回数少：ノイズが除去されずアーティファクトによってSR画像が汚く
– 回数多：画像詳細まで除去され，SR画像がぼける
• 画像ごとに適切な再帰回数を選択するとで，
画像詳細は残しつつアーティファクトが出ないcleaningが可能？
12

1. アーティファクト抑制
• Dynamic Refinement
– 再帰回数を適応的に変化
– 1回のcleaningで変化が一定以下ならば打ち切り
– 著者：「More elaborative designs of the refinement scheme are left as our future work.」
13

2. 学習コスト削減
• 学習コストの主な原因
– シーケンスの読み込みが重い
– 多様な劣化に対応するため，学習回数が多い
• これらの対処として，新たな学習手法を提案
14

2. 学習コスト削減
• 従来
– シーケンス全体を読み込み，全フレームを同じ劣化過程で低解像度化
15
• 提案①
– シーケンス半分を読み込み，flipして後ろに結合する
• 読み込みで発生するデータアクセスが半分に
• 提案②
– 各フレームを別々の劣化過程で低解像度化
• 1シーケンスの学習で複数の劣化過程を学習可能に

2. 学習コスト削減
• 提案②：各フレームを別々の劣化過程で低解像度化
– 動画としての一貫性が失われる
– 劣化が徐々に変化していくように設計
• ランダムウォークっぽく
16

2. 学習コスト削減
• 実験結果
– 1iterationにかかる時間を40%削減
– さらに高精度なVSRを実現
17

2. 学習コスト削減
• ネットワークの計算コストの主な要因
– バッチサイズ 𝐵 ⇒ 多様な劣化に対して汎化しやすく
– シーケンス長 𝐿 ⇒ 長いシーケンスを用いて高精度化が期待
• 提案する学習方法を用いた場合，𝐵 × 𝐿 一定の条件下で，どちらが結果に大きく影響を与え
るかを確認
18

2. 学習コスト削減
• シーケンス長 𝐿が短い場合に
画像に色のアーティファクトやブラー
• 提案する学習手法では
バッチサイズが小さくても
シーケンス長を長くしたほうが良い
19

従来手法との比較
• 他手法と比較して，
– 計算コストの低減
– 人が見て綺麗かどうかの指標において最も良い精度
20

従来手法との比較
21

まとめ
• VSRにおける①アーティファクト発生 ②計算コストが膨大 という問題について
– Pre-cleaningによるアーティファクトの抑制
– 計算コストを少なくしつつ性能を維持する新たな学習手法を提案
22