Tag · 2 篇
光流对齐
分布 鲁棒性与安全1底层视觉与图像复原1
01 02
WaTeRFlow：通过流一致性实现水印的时序鲁棒性
WaTeRFlow: Watermark Temporal Robustness via Flow Consistency
针对图像到视频（I2V）生成后水印检测失效的问题，提出用光流对齐加时序一致性损失来稳定逐帧水印预测，并借助视频扩散代理模型在训练中模拟真实失真；做生成内容溯源或水印鲁棒性评测的视觉研究者可直接复用这套训练与评测设定。
重新审视基于扩散模型的视频超分辨率：利用对齐特征提供稠密引导
Rethinking Diffusion Model-Based Video Super-Resolution: Leveraging Dense Guidance from Aligned Features
论文指出在特征域而非像素域做相邻帧信息补偿更有效，并给出「上采样分辨率下做warp更能保留高频但收益非单调」的实证结论；做视频复原/时序条件扩散的人可直接复用其光流引导warp模块与特征级时序条件注入方式，替代常见的像素域对齐+拼接。