Vol. 2 No. 16 (2025): International Journal of Science and Technology
Articles

Обработка и улучшение качества видео с помощью генеративных моделей (GAN)

PDF
  • Исматова Замира Аъзам кизи,
  • Тастанова Саида Алдияровна

Published 04-12-2025

Keywords

  • генеративные состязательные сети (GAN); улучшение качества видео; суперразрешение; ESRGAN; TecoGAN; восстановление текстур; межкадровая стабильность; обработка изображений; глубокое обучение
Creative Commons License

This work is licensed under a Creative Commons Attribution 4.0 International License.

How to Cite

Обработка и улучшение качества видео с помощью генеративных моделей (GAN). (2025). INTERNATIONAL JOURNAL OF SCIENCE AND TECHNOLOGY, 2(16), 10-12. https://doi.org/10.70728/tech.v02.i16.003

Abstract

В данной работе исследуются современные методы повышения качества видеоданных с использованием генеративных состязательных сетей (GAN). Основное внимание уделено архитектурам ESRGAN и TecoGAN, ориентированным на восстановление текстур и повышение временной согласованности видеопоследовательностей. Разработана методика сравнения моделей на основе объективных метрик (PSNR, SSIM) и субъективной визуальной оценки. Результаты демонстрируют значительное улучшение детализации, резкости и стабильности кадров по сравнению с традиционными методами интерполяции. Предложенный анализ подтверждает целесообразность применения GAN для задач восстановления видеоконтента.

PDF

References

  1. [1] Ledig, C., Theis, L., Huszár, F., et al. (2017). Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network (SRGAN). arXiv:1609.04802.
  2. [2] Wang, X., Yu, K., Wu, S., Gu, J., Liu, Y., Dong, C., Qiao, Y., Loy, C. C. (2018). ESRGAN: Enhanced Super-Resolution Generative Adversarial Networks. ECCV Workshops.
  3. [3] Chu, X., Li, C., Wang, C., Tai, Y. (2020). Temporally Coherent Video Super-Resolution with TecoGAN. IEEE Transactions on Pattern Analysis and Machine Intelligence, 43(10), 3386–3400.
  4. [4] Wang, Z., Bovik, A. C., Sheikh, H. R., Simoncelli, E. P. (2004). Image quality assessment: From error visibility to structural similarity. IEEE Transactions on Image Processing, 13(4), 600–612.
  5. [5] Hore, A., Ziou, D. (2010). Image Quality Metrics: PSNR vs. SSIM. 20th International Conference on Pattern Recognition.