UHD-GPGNet：基于高斯过程引导的 UHD 视频去噪
计算机视觉与模式识别
2026-04-14 v1
摘要
超高清 (UHD) 视频去噪需要同时抑制复杂的时空退化、保留细微纹理和色彩稳定性，同时保持高效的全分辨率 4K 部署。本文提出 UHD-GPGNet，一种基于高斯过程引导的局部时空去噪框架，用于联合满足上述要求。该方法不依赖单纯的隐式特征学习，而是对紧凑的时空描述子估计稀疏的高斯过程后验统计，以显式刻画局部退化响应和不确定性，从而指导自适应时序细节融合。结构-颜色协同重构头分离了亮度、色度和高频校正，同时引入异方差目标和重叠瓦片推理进一步稳定优化，实现受限内存的 4K 部署。在 UVG 和 RealisVideo-4K 上的实验表明，UHD-GPGNet 以显著更少的参数实现了与现有方法相当的恢复保真度，实现了实时全分辨率 4K 推理，并在最接近的质量竞争者之上取得显著加速，同时在多级混合退化方案下表现出稳健的性能。进一步的真实场景研究表明，在 phone-captured 4K 视频上，该模型在完全基于人工合成退化训练的情况下，能够泛化到未见的真实传感器噪声，并在挑战性条件下提升下游目标检测性能。
引用
@article{arxiv.2604.11014,
title = {UHD-GPGNet: UHD Video Denoising via Gaussian-Process-Guided Local Spatio-Temporal Modeling},
author = {Weiyuan He and Chen Wu and Pengwen Dai and Wei Wang and Dianjie Lu and Guijuan Zhang and Linwei Fan and Yongzhen Wang and Zhuoran Zheng},
journal= {arXiv preprint arXiv:2604.11014},
year = {2026}
}