模型介绍
中文整理视频去场纹模型
视频去场纹模型是一种解决隔行扫描导致的场纹问题的技术，它能够自适应地检测输入视频中的场纹，并针对场纹区域进行场纹去除与画面补全，返回画面干净自然的视频结果。
效果展示
以下是在真实网络视频上使用去场纹模型的结果。
模型描述
许多早期视频的制作过程中都使用了隔行扫描技术，这些视频每一帧都是由不同的两帧内容逐行交错得来，而两帧的不同内容会导致行间内容不对齐，从而使得画面出现场纹。此外，在视频的制作、传播过程中还会额外引入噪声、压缩失真等问题。然而，现有的很多去场纹算法都只能处理简单场景下的场纹，但对于真实且复杂场景中场纹处理效果不佳。因此，我们提出了一种新的视频去场纹模型，该模型由两个模块组成，分别是在频域上进行的去场纹模块，以及充分利用相邻帧信息以恢复画面的重建模块。我们的模型在复杂场景的视频上的去场纹效果明显优于现有其他SOTA算法。
期望模型使用方式以及适用范围
使用方式：
输入视频，模型进行拆帧、场纹去除后将输出结果。
使用范围:
本模型适用于一般视频去除场纹，当前只支持视频格式输入。
目标场景:
使用了隔行扫描技术、需要去除场纹的视频。
运行环境：
模型只支持GPU上运行，已在v100上测试通过。
GPU显存要求大于等于8G。
如何使用
在ModelScope框架上，提供输入视频，即可通过简单的Pipeline调用来使用。
代码范例
数据预处理
视频拆分为图像帧。
对图像帧进行场纹去除。
使用相邻图像帧进行画面增强。
模型局限性以及可能的偏差
模型对于大部分真实场景效果良好，对于小部分降质十分严重且运动幅度大的情况可能表现不佳。
当前版本在python 3.7, pytorch 1.13.1环境测试通过，其他环境下可用性待测试。
训练数据介绍
训练数据为Youku-VESR Dataset。
相关论文以及引用信息
该模型借鉴了以下论文的思路或代码：
优先采用原作者提供的中文模型卡片；仅有英文说明时由闲社AI翻译整理。重要参数、许可证和商用范围请以原文为准。
你将获得什么
完整仓库方式包含该固定版本中的权重、配置、分词器及说明文件；指定版本方式只下载所选文件或整组分片。多模态模型的投影文件、配置等依赖，请按作者说明配齐。
完整仓库可能包含多个权重格式，因此需要的磁盘空间可能大于单一格式的模型大小。下载文件不等于完成模型部署。
使用前须知
运行模型需要的设备、工具与依赖，以原作者说明为准。
是否允许商用、修改和分发，请查看模型许可证。
闲社提供资料与镜像下载方法，不代表已运行模型或完成安全审计。下载的代码应先检查，再执行。
资料或下载有问题？
登录后可提交反馈。