GS-STVSR：基于2D高斯溅写的超高效连续空间-时间视频超分辨率
计算机视觉与模式识别
2026-04-21 v1
摘要
连续空间-时间视频超分辨率（C-STVSR）旨在通过任意比例因子同时提升视频的空间分辨率和帧率，提供比固定比例方法更大的灵活性，后者受限于预定义的上采样比率。近年来，基于隐式神经表征（INR）的方法在C-STVSR方面取得了显著进展，但这些方法本质上依赖于稠密的像素级网格查询，导致计算成本随插值帧数线性增长，严重限制了推理效率。我们提出GS-STVSR，这一基于2D高斯溅写（2D-GS）的超高效C-STVSR框架，通过连续运动建模驱动高斯核的时空演化，完全绕过稠密网格查询。我们利用协方差参数的强时域稳定性实现轻量级中间拟合，设计光流引导的运动模块以推导任意时间步的高斯位置和颜色，引入协方差重抽样对齐模块防止协方差漂移，并提出大范围运动的自适应偏移窗口。广泛的实验在Vid4、GoPro和Adobe240数据集上表明，GS-STVSR在所有基准数据集上均实现了最先进的质量。更重要的是，其推理时间在常规时序尺度（X2--X8）下几乎保持恒定，并在极端尺度X32下实现超过X3的加速，显示出强大的实际应用前景。
引用
@article{arxiv.2604.18047,
title = {GS-STVSR: Ultra-Efficient Continuous Spatio-Temporal Video Super-Resolution via 2D Gaussian Splatting},
author = {Mingyu Shi and Xin Di and Long Peng and Boxiang Cao and Anran Wu and Zhanfeng Feng and Jiaming Guo and Renjing Pei and Xueyang Fu and Yang Cao and Zhengjun Zha},
journal= {arXiv preprint arXiv:2604.18047},
year = {2026}
}