视频质量增强模型加速算法

• 作者: 杨文哲 徐迈 白琳
• 来源期刊: 中兴通讯技术
• 关键词: 模型加速 图像质量增强 结构性剪裁
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 专题:视频技术和用户体验评测|Special Topic:Video Technologies and QoE Estimation
• 页码范围: 21-26
• 页数: 6页
• 语种: 中文
• DOI: 10.12142/ZTETJ.202101006

摘要

提出了一种应用于视频质量增强算法的动态结构性剪裁算法Maskcut,它可以有效提高基于深度学习的视频质量增强算法的运行速度.Maskcut是一种通用的剪裁思路,支持绝大多数的基于卷积神经网络(CNN)深度学习网络模型的剪裁加速.基于原模型中已经训练好的参数数据,Maskcut使用一种针对剪裁加速的二次训练策略来进一步微调参数,从而在保证模型有效性损失不大的同时,缩短模型运行时间.以一种先进的视频质量增强算法——多帧质量增强2.0(MFQE 2.0)为目标,Maskcut剪裁后可以快速达到峰值信噪比(PSNR)指标损失低于1％、时间缩短10％以上的加速指标.