Deep fully-connected networks for video compressive sensing

در این کار، یک چارچوب یادگیری عمیق برای سنجش فشرده سازی ویدیو ارائه می کنیم. فرمول پیشنهادی قادر به بازیابی فریم های ویدیویی در چند ثانیه با کیفیت قابل توجهی بهبود بازسازی نسبت به روش های قبلی است. تحقیقات ما با یادگیری یک نقشه ی خطی بین توالی های ویدئویی و فریم های اندازه گیری مربوطه آغاز می شود که به نظر می رسد نتایج یک امیدوار کننده را ارائه می دهد. سپس فرمول خطی را به شبکه های عمیق متصل به هم متصل می کنیم و به دست آوردن عملکرد با استفاده از معماری های عمیق کشف می کنیم. تجزیه و تحلیل ما همیشه توسط کاربرد چارچوب پیشنهاد شده در معماری های ویدیویی فشرده موجود هدایت می شود. شبیه سازی های گسترده در چندین ترانه ویدئویی، برتری روش ما را کمی و کیفی نشان می دهد. در نهایت، تجزیه و تحلیل ما ارائه می دهد بینش برای درک اینکه چگونه اندازه داده ها و تعداد لایه ها بر عملکرد بازسازی تاثیر می گذارد در حالی که افزایش چند نقطه برای تحقیقات آینده.