基于带缺陷图集神经滤波的盲视频去闪烁

许多视频包含闪烁伪影。闪烁的常见原因包括视频处理算法、视频生成算法以及在特定情况下拍摄视频。先前的工作通常需要特定引导，例如闪烁频率、人工标注或额外的无闪烁视频来去除闪烁。在这项工作中，我们提出了一种通用闪烁去除框架，其仅接收单个闪烁视频作为输入而无需额外引导。由于它对特定闪烁类型或引导不可知，我们称之为“盲去闪烁”。我们方法的核心是利用神经图集配合神经滤波策略。神经图集是视频中所有帧的统一表示，提供时间一致性引导，但在许多情况下存在缺陷。为此，训练一个神经网络来模拟滤波器，以学习一致的特征（例如颜色、亮度）并避免引入图集中的伪影。为验证我们的方法，我们构建了一个包含多样真实世界闪烁视频的数据集。大量实验表明，我们的方法取得了令人满意的去闪烁性能，甚至在公开基准上优于使用额外引导的基线方法。