論文の概要: RealVDeblur: One-Step Diffusion for Generalizable Real-World Video Deblurring

• arxiv url: http://arxiv.org/abs/2607.20628v1
• Date: Wed, 22 Jul 2026 18:01:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-24 18:26:25.182823
• Title: RealVDeblur: One-Step Diffusion for Generalizable Real-World Video Deblurring
• Title（参考訳）: RealVDeblur: 一般化可能なリアルワールドビデオの1ステップ拡散
• Authors: Renbiao Jin, Mingxin Yang, Yutian Chen, Junhao Zhuang, Xin Cai, Mulin Yu, Linning Xu, Wenxian Yu, Danping Zou, Shi Guo, Tianfan Xue,
• Abstract要約: 実世界のビデオの劣化は、多様な動きパターン、複雑な劣化、および現実的なトレーニングデータの不足により、依然として困難なままである。 textbfRealVDeblurは、様々な実捕獲条件下での地中ロバスト性を改善するために設計された効率的な生成フレームワークである。
• 参考スコア（独自算出の注目度）: 38.962439175751975
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Real-world video deblurring remains challenging due to diverse motion patterns, complex degradations, and the scarcity of realistic training data, yet robust restoration is critical for downstream pipelines such as mobile imaging and 3D reconstruction. This work presents \textbf{RealVDeblur}, an efficient generative framework designed to improve in-the-wild robustness under diverse real capture conditions. First, a large-scale, physically grounded blur synthesis pipeline is constructed from scene-level 3D Gaussian Splatting (3DGS) assets and high-frame-rate videos, providing realistic training data covering both camera-induced and object-motion blur. Second, a video diffusion prior is leveraged for restoration; to better accommodate frame-dependent blur variations, temporal compression in the VAE is disabled and a frame-wise encoding scheme is adopted. For practical deployment on long videos, multi-step diffusion sampling is distilled into an efficient one-step generator, and a training-free Temporal Window Mask stabilizes inference beyond the training horizon with constant memory usage. Extensive experiments on diverse real-world benchmarks demonstrate strong perceptual quality, semantic fidelity, and temporal consistency on unseen videos, as well as improved robustness in downstream 3D reconstruction under severe motion blur. Project page: https://rbjin.github.io/RealVDeblur
• Abstract（参考訳）: 多様な動きパターン、複雑な劣化、現実的なトレーニングデータの不足など、実際のビデオの劣化は依然として困難なままだが、モバイル画像や3D再構成などの下流パイプラインでは、堅牢な復元が不可欠である。 この研究は、多種多様な実捕獲条件下での地中ロバスト性を改善するために設計された効率的な生成フレームワークである「textbf{RealVDeblur}」を提示する。 まず、シーンレベルの3Dガウス・スプラッティング(3DGS)資産と高フレームレートのビデオから、大規模で物理的に接地されたぼかし合成パイプラインを構築し、カメラ誘起のぼかしとオブジェクトモーションのぼかしの両方をカバーするリアルなトレーニングデータを提供する。 第2に、フレーム依存のぼかし変動に適応するため、VAEにおける時間圧縮を無効にし、フレームワイズ符号化方式を採用する。 長いビデオに実際に配置するために、多段拡散サンプリングを効率的なワンステップジェネレータに蒸留し、トレーニングフリーのテンポラルウィンドウマスクは、一定のメモリ使用量でトレーニング地平線を越えて推論を安定化させる。 多様な実世界のベンチマークに対する大規模な実験は、目に見えないビデオに強い知覚品質、セマンティックな忠実さ、時間的一貫性を示すとともに、激しい動きのぼやけの下で下流3D再構成の堅牢性を向上させる。 プロジェクトページ: https://rbjin.github.io/RealVDeblur

関連論文リスト

• RealityBridge: Bridging Editable 3D Gaussian Splatting Driving Simulations and Real-World Videos [40.2251078105003]
  本稿では3DGS駆動ビデオの編集のための構造保存・アセット対応のSim-to-Realフレームワークを提案する。 RealityBridgeは、レンダリングビデオ、前景マスク、エッジマップ、セマンティックマスクを含むマルチモーダルコントロールと、軽量なGateNetを使用する。 実験により、RealityBridgeは、アーティファクトの除去、照明、長時間の時間的一貫性において、既存の手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2026-06-15T06:33:13Z)
• Enhanced Velocity Field Modeling for Gaussian Video Reconstruction [21.54297055995746]
  バーチャル・拡張現実(VR/AR)における動的シーンのリアルタイムレンダリングを実現するためには,高忠実度3次元映像再構成が不可欠である 本稿では,フローガウス-VR(FlowGaussian-VR)と呼ばれるガウスビデオ再構成に適した流速場モデリング手法を提案する。 フローベースの最適化を可能にする速度場レンダリング(VFR)パイプラインと、動的領域におけるガウス数とサイズを調整するフローアシスト適応密度化(FAD)戦略の2つのコアコンポーネントで構成されている。
  論文  参考訳（メタデータ） (2025-07-31T16:26:22Z)
• Temporal-Consistent Video Restoration with Pre-trained Diffusion Models [51.47188802535954]
  ビデオ復元(VR)は、劣化したビデオから高品質なビデオを復元することを目的としている。 事前訓練拡散モデル(DM)を用いた最近のゼロショットVR法は,逆拡散時の近似誤差と時間的整合性の欠如に悩まされている。 本稿では,DMのシード空間におけるビデオフレームを直接パラメータ化し,近似誤差を排除した新しいMAP(Posterior Maximum)フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-03-19T03:41:56Z)
• VideoLifter: Lifting Videos to 3D with Fast Hierarchical Stereo Alignment [54.66217340264935]
  VideoLifterは、ローカルからグローバルへの戦略を断片的に活用する、新しいビデオから3Dパイプラインである。 再建プロセスを大幅に加速し、訓練時間を82%以上削減し、現在のSOTA法よりも視覚的品質を向上した。
  論文  参考訳（メタデータ） (2025-01-03T18:52:36Z)
• Event3DGS: Event-Based 3D Gaussian Splatting for High-Speed Robot Egomotion [54.197343533492486]
  Event3DGSは高速移動下で高忠実度3D構造と外観を再構築することができる。 複数の合成および実世界のデータセットの実験は、既存のイベントベースの高密度な3Dシーン再構築フレームワークと比較して、Event3DGSの優位性を示している。 また, 構造的精度を損なうことなく, 外観の忠実度をより高められるように, フレームベースで数回の動特性測定を再構成プロセスに組み込むことも可能である。
  論文  参考訳（メタデータ） (2024-06-05T06:06:03Z)
• Gaussian Splatting on the Move: Blur and Rolling Shutter Compensation for Natural Camera Motion [25.54868552979793]
  本稿では,カメラの動きに適応し,手持ち映像データを用いた高品質なシーン再構成を実現する手法を提案する。 合成データと実データの両方を用いて、既存の手法よりもカメラの動きを軽減できる性能を示した。
  論文  参考訳（メタデータ） (2024-03-20T06:19:41Z)

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。