面向平滑演化未知天气退化情形下的全能视频修复
计算机视觉与模式识别
2026-01-29 v2
摘要
全能图像修复旨在使用单一模型从多种未知退化情况中恢复干净图像。但将此任务扩展到视频面临独特挑战。现有方法主要关注帧级退化变化，忽视了自然存在于现实退化过程中的时间连续性。在实际情况下，退化类型和强度随时间平滑演化，多个退化可能共存或逐渐过渡。本文引入 Smoothly Evolving Unknown Degradations (SEUD) 场景，其中活跃退化集合和退化强度随时间连续变化。为支持此场景，我们设计了灵活的合成管道，生成具有单一、复合和演化退化的时序一致视频。为应对 SEUD 场景的挑战，我们提出一种全能循环条件自适应提示网络 (ORCANet)。首先，CIED 模块利用物理先验估计雾霾强度，并提供粗糙去雾特征作为初始化。其次，FPG 模块提取退化特征。FPG 生成既捕获段级退化类型的静态提示，又适应帧级强度变化的动态提示。此外，基于标签的监督机制提高了在不同退化下的静态提示表示的可区分性。广泛的实验表明，ORCANet 在图像和视频基线方法上在恢复质量、时序一致性和鲁棒性方面均取得优异成绩。代码已公开于 https://github.com/Friskknight/ORCANet-SEUD。
引用
@article{arxiv.2601.00533,
title = {All-in-One Video Restoration under Smoothly Evolving Unknown Weather Degradations},
author = {Wenrui Li and Hongtao Chen and Yao Xiao and Wangmeng Zuo and Jiantao Zhou and Yonghong Tian and Xiaopeng Fan},
journal= {arXiv preprint arXiv:2601.00533},
year = {2026}
}