面向视频低秩背景抑制的核扩散模型
计算机视觉与模式识别
2026-04-27 v2 机器学习
图像与视频处理
摘要
视频序列常包含结构性噪声和背景伪影，致使动态内容难以被准确分析和恢复。鲁棒主成分方法通过将数据分解为低秩和稀疏成分来解决此问题，但稀疏性假设往往难以捕捉真实视频数据中所呈现的丰富变异性。为克服这一局限，本文提出一种混合框架，将低秩时序建模与扩散后验采样相结合。所提出的方法称为核扩散（Nuclear Diffusion），其在真实世界的医学影像问题——心脏超声去雾化方面进行了评估，结果在对比度增强（gCNR）和信号保持（KS 统计量）方面优于传统 RPCA 方法。这些结果凸显了将基于模型的时序模型与深度生成先验相结合，用于高保真视频恢复的潜力。
引用
@article{arxiv.2509.20886,
title = {Nuclear Diffusion Models for Low-Rank Background Suppression in Videos},
author = {Tristan S. W. Stevens and Oisín Nolan and Jean-Luc Robert and Ruud J. G. van Sloun},
journal= {arXiv preprint arXiv:2509.20886},
year = {2026}
}
备注
5 pages, 4 figures, preprint