Tag · 9 篇

视频超分辨率

01
底层视觉与图像复原 / CVPR2026

VSRELL:低光照环境下视频超分辨率与增强的简单基线

VSRELL: A Simple Baseline for Video Super-Resolution and Enhancement in Low-Light Environment

把低光照增强与视频超分耦合进一个联合框架,用光照-噪声协同优化网络和光照敏感特征传播机制同时处理亮度校正与跨帧噪声累积,对做低层复原的人提供了一个可复用的『多退化解耦+时序特征门控』设计范式。

视频超分辨率低光照增强光照感知门控
02
底层视觉与图像复原 / CVPR2026

热扩散至关重要:基于热传导先验的红外时空视频超分辨率

Thermal Diffusion Matters: Infrared Spatial-Temporal Video Super-Resolution through Heat Conduction Priors

把热扩散/热传导方程当作视频超分中时序插帧与时空一致性的物理先验,并用频域扩散合成中间帧、用可学习谱滤波的选择性状态空间模型做时空精修,这套「物理方程约束 + 频域扩散 + SSM」的组合可迁移到其他低采样率视频复原任务。

视频超分辨率扩散模型状态空间模型
03
底层视觉与图像复原 / CVPR2026

STCDiT:时空一致的扩散 Transformer 用于高质量视频超分辨率

STCDiT: Spatio-Temporally Consistent Diffusion Transformer for High-Quality Video Super-Resolution

利用预训练视频扩散模型做视频超分时,通过运动感知的 VAE 分段重建和锚帧潜变量引导来提升结构保真度与时序稳定性,这套思路可直接迁移到其他基于扩散模型的视频复原任务(如去噪、去模糊)。

视频超分辨率扩散-Transformer运动感知重建
04
底层视觉与图像复原 / CVPR2026

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。

视频超分辨率扩散模型光流对齐
05
底层视觉与图像复原 / CVPR2026

PS-SR:基于投机扩散的伪单步视频超分辨率

PS-SR: Pseudo-Single-Step Video Super-Resolution via Speculative Diffusion

把「单步扩散 + 轻量草稿模型投机式精修」的非对称采样流程用于视频超分,并用频域更新规则把精修限制在高频注入上,为少步扩散复原提供了一条兼顾速度与细节的可复用思路。

扩散模型视频超分辨率少步采样
06
底层视觉与图像复原 / CVPR2026

FlashVSR:面向实时扩散式流式视频超分辨率

FlashVSR: Towards Real-time Diffusion-Based Streaming Video Super Resolution

面向实时视频超分,提出三阶段蒸馏流水线把多步扩散压缩为单步流式推理,并用局部约束稀疏注意力弥合训练-测试分辨率差距;做扩散加速或高分辨率视频复原时可直接借鉴这两套机制。

扩散模型视频超分辨率流式推理
07
底层视觉与图像复原 / CVPR2026

DUO-VSR:面向单步视频超分辨率的双流蒸馏

DUO-VSR: Dual-Stream Distillation for One-Step Video Super-Resolution

把分布匹配蒸馏与对抗监督(RFS-GAN)结合成双流蒸馏,可将任意多步扩散 VSR 模型压缩到单步推理;其渐进式引导蒸馏初始化与偏好引导精修流程,也可迁移到其他扩散复原任务(去噪、去模糊)的少步加速上。

扩散模型蒸馏单步采样
08
底层视觉与图像复原 / CVPR2026

DTG-Restore:面向生成式视频超分辨率的免训练扩散精炼

DTG-Restore: Training-Free Diffusion Refinement for Generative Video Super-Resolution

提出解耦时间引导(DTG),在采样时让无条件分支在更干净的扩散时间步上评估,为视频复原提供可复用的无训练先验利用手段,可迁移到其他基于扩散的复原任务。

视频超分辨率扩散模型无训练推理
09
底层视觉与图像复原 / CVPR2026

压缩域感知的在线视频超分辨率

Compressed-Domain-Aware Online Video Super-Resolution

把压缩码流里的运动矢量、残差图、帧类型当作免费先验来替代昂贵的运动估计:运动矢量做粗对齐、网络只学局部残差偏移,可显著降低在线视频超分辨率的对齐开销,这套「压缩域引导对齐+按帧类型分配算力」的思路可直接迁移到其他视频复原/增强任务。

视频超分辨率可变形对齐压缩域先验