噪声校准：利用预训练视频扩散模型进行即插即用的内容保持视频增强

为了提高合成视频的质量，目前一种主要方法是重新训练一个专家扩散模型，然后实施加噪-去噪过程进行细化。尽管训练成本高昂，但保持原始视频与增强视频之间内容的一致性仍然是一个主要挑战。为了解决这一挑战，我们提出了一种新颖的公式，同时考虑视觉质量和内容一致性。内容一致性通过一个保持输入结构的损失函数来保证，而视觉质量则通过利用预训练扩散模型的去噪过程来提高。为了解决所提出的优化问题，我们开发了一种即插即用的噪声优化策略，称为噪声校准。通过几次迭代细化初始随机噪声，可以很大程度上保留原始视频的内容，同时增强效果显著。大量实验证明了所提方法的有效性。