D$^2$-VR：基于降解鲁棒性与蒸馏的视频修复
计算机视觉与模式识别
2026-02-10 v1
摘要
将扩散先验与时序对齐集成已成为视频修复的变革性范式，能提供卓越的感知质量，但面对复杂现实降解，该框架的实际部署严重受限于推理延迟高和时序不稳定。为此，我们提出 \textbf{D-VR}，一个基于单图像扩散的视频修复框架，实现低步推理。为获得严重降解下的精确时序指导，我们首次设计降解鲁棒流对齐（DRFA）模块，通过置信感注意力过滤不可靠的运动线索。随后，我们引入对抗性蒸馏范式，将扩散采样轨迹压缩到快速少步 regime。最后，设计协同优化策略以实现感知质量与严格时序一致性的和谐。大量实验表明，D-VR 在保持最新性能的同时，将采样过程加速了 \textbf{12倍}。
引用
@article{arxiv.2602.08395,
title = {D$^2$-VR: Degradation-Robust and Distilled Video Restoration with Synergistic Optimization Strategy},
author = {Jianfeng Liang and Shaocheng Shen and Botao Xu and Qiang Hu and Xiaoyun Zhang},
journal= {arXiv preprint arXiv:2602.08395},
year = {2026}
}