重塑现实：视频修复技术综述
计算机视觉与模式识别
2024-02-01 v1
摘要
本文对视频修复技术的最新进展进行了全面分析，该技术是计算机视觉与人工智能的一个关键子领域。作为一种用合理内容恢复或填补视频序列中缺失或损坏部分的过程，视频修复随着深度学习方法的出现已发生显著演变。尽管现有方法众多且发展迅速，但该领域格局依然复杂，给新手和资深研究者都带来了挑战。我们的研究解构了主要技术、其基础理论及其有效应用。此外，我们进行了一项详尽的比较研究，聚焦于两个常被忽视的维度：视觉质量与计算效率。我们采用以人为中心的方法评估视觉质量，邀请一组标注员评价不同视频修复技术的输出结果。这提供了细致入微的定性理解，补充了传统的定量指标。同时，我们深入探讨了计算层面，比较了在标准化硬件设置下的推理时间和内存需求。这项分析强调了质量与效率之间的平衡，这对于资源可能受限的实际应用至关重要。通过整合人工验证与计算资源比较，本综述不仅阐明了视频修复技术的现状，也为这个充满活力且不断发展的领域的未来探索指明了方向。
引用
@article{arxiv.2401.17883,
title = {Reimagining Reality: A Comprehensive Survey of Video Inpainting Techniques},
author = {Shreyank N Gowda and Yash Thakre and Shashank Narayana Gowda and Xiaobo Jin},
journal= {arXiv preprint arXiv:2401.17883},
year = {2024}
}