用于视频去模糊的编码先验引导扩散网络
计算机视觉与模式识别
2025-04-17 v1
摘要
尽管近期的视频去模糊方法取得了显著进展，但它们往往忽略了两种有价值的先验信息：（1）来自视频编解码器的运动矢量与编码残差，它们提供了高效的帧间对齐线索；以及（2）预训练扩散生成模型中蕴含的丰富真实世界知识。我们提出了 CPGDNet，一种新颖的两阶段框架，能够有效利用编码先验与生成扩散先验来实现高质量去模糊。首先，我们的编码先验特征传播（CPFP）模块利用 MVs 进行高效的帧对齐，并利用 CRs 生成注意力掩码，以解决运动不准确性与纹理变化问题。其次，编码先验控制生成（CPC）模块网络将编码先验集成到预训练扩散模型中，引导其增强关键区域并合成逼真的细节。实验表明，我们的方法实现了最先进的感知质量，IQA 指标提升高达 30%。代码与编码先验增强数据集均将开源。
引用
@article{arxiv.2504.12222,
title = {Coding-Prior Guided Diffusion Network for Video Deblurring},
author = {Yike Liu and Jianhui Zhang and Haipeng Li and Shuaicheng Liu and Bing Zeng},
journal= {arXiv preprint arXiv:2504.12222},
year = {2025}
}