LaverNet：基于选择性传播的轻量级全能视频修复网络
计算机视觉与模式识别
2025-12-19 v1
摘要
最近的研究探索了全能视频修复方法，这些方法能够统一模型地处理多种退化。然而，这些方法在处理时间可变退化时仍面临两个挑战。首先，退化会主导时间建模，使模型误导性地关注图像伪影而非视频内容。其次，当前方法通常依赖大型模型才能实现全能修复，从而隐藏了这些潜在难题。为解决这些挑战，我们提出了LaverNet——一个仅包含362K参数的轻量级全能视频修复网络。为缓解退化对时间建模的影响，我们引入一种新颖的传播机制，通过选择性地仅传递与退化无关的特征跨帧。通过LaverNet，我们展示了在紧凑网络下仍可实现强大的全能修复。尽管规模较小，仅为现有模型的不到1%的参数，LaverNet在各类基准测试中实现了与之相当，甚至更好的性能。
引用
@article{arxiv.2512.16313,
title = {LaverNet: Lightweight All-in-one Video Restoration via Selective Propagation},
author = {Haiyu Zhao and Yiwen Shan and Yuanbiao Gou and Xi Peng},
journal= {arXiv preprint arXiv:2512.16313},
year = {2025}
}