用于超低比特率表示视频重建的因果扩散模型
计算机视觉与模式识别
2026-05-11 v2
摘要
我们研究从超低比特率表示进行视频重建，其中主要挑战从编码转向解码。在此范围内，经典和神经编码器引入模糊，而生成式和语义方法往往难以同时保持保真度、时序一致性和感知质量。为解决这些限制，我们提出一种因果视频扩散模型，通过联合建模其补充信息来从超低比特率语义和高度压缩帧进行视频重建。我们进一步引入基于双向教师的时序专项蒸馏，以实现参数高效训练和因果少步推理。通过广泛的定量、定性和主观评估，我们表明所提方法在超低比特率视频重建中优于经典、神经、生成和语义基线。
引用
@article{arxiv.2602.13837,
title = {A Causal Diffusion Model for Video Reconstruction from Ultra-Low-Bitrate Representations},
author = {Cem Eteke and Batuhan Tosun and Martin Piccolrovazzi and Alexander Griessel and Wolfgang Kellerer and Eckehard Steinbach},
journal= {arXiv preprint arXiv:2602.13837},
year = {2026}
}