論文の概要: DVFace: Spatio-Temporal Dual-Prior Diffusion for Video Face Restoration

• arxiv url: http://arxiv.org/abs/2604.14560v1
• Date: Thu, 16 Apr 2026 02:42:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-17 21:29:31.690998
• Title: DVFace: Spatio-Temporal Dual-Prior Diffusion for Video Face Restoration
• Title（参考訳）: DVFace:ビデオ顔復元のための時空間二重拡散
• Authors: Zheng Chen, Bowen Chai, Rongjun Gao, Mingtao Nie, Xi Li, Bingnan Duan, Jianping Fang, Xiaohong Liu, Linghe Kong, Yulun Zhang,
• Abstract要約: 顔の復元は、劣化した顔のビデオを高品質な細部、安定したアイデンティティ、時間的コヒーレンスに拡張することを目的としている。 近年の拡散法は、再生に強い先行性をもたらし、より現実的な合成を可能にしている。 実世界の顔復元のための一段階拡散フレームワークであるDVFaceを提案する。
• 参考スコア（独自算出の注目度）: 38.685358794153736
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Video face restoration aims to enhance degraded face videos into high-quality results with realistic facial details, stable identity, and temporal coherence. Recent diffusion-based methods have brought strong generative priors to restoration and enabled more realistic detail synthesis. However, existing approaches for face videos still rely heavily on generic diffusion priors and multi-step sampling, which limit both facial adaptation and inference efficiency. These limitations motivate the use of one-step diffusion for video face restoration, yet achieving faithful facial recovery alongside temporally stable outputs remains challenging. In this paper, we propose, DVFace, a one-step diffusion framework for real-world video face restoration. Specifically, we introduce a spatio-temporal dual-codebook design to extract complementary spatial and temporal facial priors from degraded videos. We further propose an asymmetric spatio-temporal fusion module to inject these priors into the diffusion backbone according to their distinct roles. Evaluation on various benchmarks shows that DVFace delivers superior restoration quality, temporal consistency, and identity preservation compared to recent methods. Code: https://github.com/zhengchen1999/DVFace.
• Abstract（参考訳）: ビデオの顔の復元は、劣化した顔のビデオを、現実的な顔の詳細、安定したアイデンティティ、時間的コヒーレンスで高品質な結果にすることを目的としている。 近年の拡散法は、再生に強い先行性をもたらし、より現実的な詳細合成を可能にしている。 しかし、既存の顔ビデオのアプローチは、顔適応と推論効率の両方を制限する一般的な拡散先行と多段階サンプリングに大きく依存している。 これらの制限は、ビデオ顔の復元にワンステップ拡散を利用する動機となっているが、時間的に安定した出力とともに忠実な顔回復を実現することは、依然として困難である。 本稿では,実世界の顔復元のための一段階拡散フレームワークであるDVFaceを提案する。 具体的には、劣化したビデオから相補的な空間的・時間的顔の先行情報を抽出する時空間二重コードブックの設計を提案する。 さらに、これらの前駆体を異なる役割に応じて拡散バックボーンに注入する非対称時空間融合モジュールを提案する。 各種ベンチマークによる評価から,DVFaceは最近の手法と比較して,回復性,時間的整合性,アイデンティティの保存性に優れていた。 コード:https://github.com/zhengchen 1999/DVFace

関連論文リスト

• VividFace: High-Quality and Efficient One-Step Diffusion For Video Face Enhancement [51.83206132052461]
  ビデオ顔強調(VFE)は、劣化したビデオシーケンスから高品質な顔領域を再構築することを目指している。 ビデオの超解像と生成フレームワークに依存する現在の手法は、3つの根本的な課題に直面している。 ビデオ・フェイス・エンハンスメントのための新規かつ効率的なワンステップ拡散フレームワークであるVividFaceを提案する。
  論文  参考訳（メタデータ） (2025-09-28T02:39:48Z)
• Audio-Assisted Face Video Restoration with Temporal and Identity Complementary Learning [56.62425904247682]
  各種のストリーミングビデオ歪みに対処するGAVN(General Audio-assisted Face Video Restoration Network)を提案する。 GAVNはまず、低解像度空間におけるフレーム間の時間的特徴をキャプチャし、フレームを粗く復元し、計算コストを節約する。 最後に、再構成モジュールは時間的特徴とアイデンティティ機能を統合し、高品質な顔ビデオを生成する。
  論文  参考訳（メタデータ） (2025-08-06T07:38:27Z)
• DicFace: Dirichlet-Constrained Variational Codebook Learning for Temporally Coherent Video Face Restoration [24.004683996460685]
  ビデオ顔の復元は、劣化した入力から顔の詳細を回復しながら、時間的一貫性を維持する上で重要な課題に直面します。 本稿では,Vector-Quantized Variational Autoencoders (VQ-VAEs) をビデオ復元フレームワークに拡張する手法を提案する。
  論文  参考訳（メタデータ） (2025-06-16T10:54:28Z)
• OSDFace: One-Step Diffusion Model for Face Restoration [72.5045389847792]
  拡散モデルは、顔の修復において顕著な性能を示した。 顔復元のための新しいワンステップ拡散モデルOSDFaceを提案する。 その結果,OSDFaceは現状のSOTA(State-of-the-art)手法を視覚的品質と定量的指標の両方で上回っていることがわかった。
  論文  参考訳（メタデータ） (2024-11-26T07:07:48Z)
• CLR-Face: Conditional Latent Refinement for Blind Face Restoration Using Score-Based Diffusion Models [57.9771859175664]
  最近の生成優先法は、有望なブラインドフェイス修復性能を示している。 入力に忠実なきめ細かい顔の詳細を生成することは、依然として難しい問題である。 本稿では,VQGANアーキテクチャの内部に拡散型プライマーを導入し,非破壊な潜伏埋め込みにおける分布の学習に重点を置いている。
  論文  参考訳（メタデータ） (2024-02-08T23:51:49Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。