Motion-Compensated Frame Rate Up-Conversion—Part II: New Algorithms for Frame Interpolation
Notice bibliographique
Résumé
Motion-compensated frame rate up-conversion (MC-FRUC) consists of two key elements: motion estimation and motion-compensated frame interpolation. The motion estimation algorithm presented in , which is used in the MC-FRUC method proposed in this paper, provides unidirectional motion trajectories. The advantage of this motion estimation algorithm, besides its accuracy, is that it provides information on occlusions. However, motion compensation along unidirectional motion trajectories yields overlaps, holes, and blocking artifacts. To solve these problems, this paper presents two new algorithms for unidirectional motion-compensated frame interpolation: irregular-grid expanded-block weighted motion compensation (IEWMC) and block-wise directional hole interpolation (BDHI). The IEWMC is used to reduce the blocking artifacts and solve the problem of overlapping blocks. The BDHI preserves local texture and edges while filling holes. Experimental results show that the IEWMC outperforms conventional motion compensation, and the BDHI is better than the repeated median filter that is often used to fill holes. The performance of the proposed MC-FRUC, that uses the two new algorithms and the unidirectional motion estimation algorithm, is evaluated against three existing MC-FRUC techniques: a typical bi-directional algorithm, an object-based algorithm, and a commercial plug-in product. Experimental results show that the quality of the pictures interpolated using the proposed MC-FRUC method is much higher than those interpolated using the three existing MC-FRUC techniques.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».