无标签、无前视：基于经典先验的无监督在线视频稳定

我们提出了一种新的无监督框架用于在线视频稳定。不同于基于深度学习需要配对稳定与不稳定数据集的方法，我们的方法以三阶段管道实现，并包含多线程缓冲机制。该设计解决了端到端学习中的三个长期存在的挑战：数据有限、可控性差以及在资源受限的硬件上效率低下。现有基准主要针对手持可见光前视视频，限制了稳定技术在如无人机夜间遥感等领域的适用性。为填补这一空白，我们引入了新的多模态无人机航空视频数据集（UAV-Test）。实验表明，我们的方法在定量指标和视觉质量方面 consistently 优于最先进的在线稳定器，同时在性能上与离线方法相当。