基于状态空间模型的几何感知视频运动放大
计算机视觉与模式识别
2026-05-29 v1
摘要
视频运动放大 (VMM) 揭示了难以察觉的动态，但在复杂几何变换下常常出现结构不一致。现有的基于学习的方法通常在 CNN 的全局上下文有限性与 Transformer 的高计算成本之间受制于权衡。此外，当前的训练协议主要由简单线性运动主导，未能捕捉现实视频中遇到的几何和成像复杂性。为此，我们提出 GeoMag，一个基于状态空间模型构建的几何感知 VMM 框架，以实现全局一致的运动放大和线性复杂度。我们进一步构建 Geo-200K，一个大规模合成数据集，引入丰富的几何变换并伴随传感器级现实退化，提高了训练信号的多样性和真实性。在合成和真实基准上的大量实验表明，GeoMag 在视觉保真度和计算效率方面 consistently 超过先前方法，同时产生更少的伪影并实现更好的结构一致性。
引用
@article{arxiv.2605.29762,
title = {GeoMag: Geometric-Aware Video Motion Magnification via State Space Model},
author = {Kecheng Han and Yuchen Zhang and Bingqing Liu and Boqiang Guo and Wenbin Zheng and Shiyuan Pei},
journal= {arXiv preprint arXiv:2605.29762},
year = {2026}
}
备注
ICME 2026 Spotlight