論文の概要: Revisiting the Current Frame: Physical-Trace-Guided Network Output Correction for Video Restoration
- arxiv url: http://arxiv.org/abs/2608.09342v1
- Date: Mon, 10 Aug 2026 09:20:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-11 19:16:37.180385
- Title: Revisiting the Current Frame: Physical-Trace-Guided Network Output Correction for Video Restoration
- Title（参考訳）: 現在のフレームを再考する:物理追跡ガイドによる映像復元のための出力補正
- Abstract要約: 本稿では,低品質の電流フレームをビデオ復元補正のための時間的整列アンカーとして再検討するモデルに依存しないフレームワークであるANCHORを提案する。
高ダイナミックレンジビデオ復元実験とビデオデラライニングバランス実験は、様々な最先端の復元モデルにおいて一貫した改善を示す。
- 参考スコア（独自算出の注目度）: 20.573571456618936
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Video restoration methods exploit temporal information to recover information missing from degraded observations. However, reference frames within the sequence may introduce inconsistent degradation, content discrepancy, or reconstruction errors due to physical image-formation variations, occlusion, and imperfect temporal aggregation. Existing approaches mainly focus on improving restoration networks, while the reliability of the generated outputs at different spatial locations remains largely unexplored. In this work, we propose ANCHOR, a model-agnostic framework that revisits the low-quality current frame as a temporally aligned anchor for video restoration correction. Specifically, ANCHOR estimates a spatial trust field from heterogeneous physical-trace evidence and adaptively balances the restoration proposal with the original observation. Experiments on High Dynamic Range video reconstruction and video deraining demonstrate consistent improvements across various state-of-the-art restoration models, validating the effectiveness of reliability-aware output correction for video restoration.
- Abstract（参考訳）: ビデオ復元手法は、時間的情報を利用して、劣化した観測から欠落した情報を復元する。
しかし、シーケンス内の参照フレームは、物理的画像形成のバリエーション、閉塞、不完全な時間的集約による一貫性の低下、内容の相違、あるいは再構成エラーをもたらす可能性がある。
既存のアプローチは主に修復ネットワークの改善に重点を置いているが、異なる空間で生成された出力の信頼性はいまだ明らかにされていない。
本研究では,低品質の電流フレームを時間的に整列したアンカーとして補正し,映像復元のためのモデルに依存しないフレームワークであるANCHORを提案する。
特に、ANCHORは異種物理追跡証拠から空間信頼領域を推定し、復元提案と元の観測とを適応的にバランスさせる。
高ダイナミックレンジ映像復元とビデオデライニングの実験は、様々な最先端復元モデルにおいて一貫した改善を示し、映像復元における信頼性を考慮した出力補正の有効性を検証した。
関連論文リスト
- DVANet: Degradation-aware Visual-prior Alignment Network for Image Restoration [31.441586261696617]
本稿では,分解認識観測一貫性と視覚的優先誘導再構成の協調的展開プロセスであるDVANetを提案する。
実験により、DVANetはマルチシナリオ劣化とクロスドメイン画像復元タスクにおいて、優れた、あるいは競争的な性能を発揮することが示された。
論文 参考訳（メタデータ） (2026-06-17T14:09:39Z) - ReConFuse: Reconstruction-Error Guided Semantic Fusion for AI-Generated Video Detection [10.547980601243518]
ビデオレベルのAI生成ビデオ検出のための再構成誘導型セマンティックフュージョンフレームワークReConFuseを提案する。
ReConFuseは、WF-VAE再構成ビデオから再構成エラーキューを抽出し、それらを多フレームセマンティック特徴と整列させ、Mambaベースのモジュールを使用してビデオレベルの分類のための時間的進化をモデル化する。
論文 参考訳（メタデータ） (2026-06-03T10:35:47Z) - SoLAR: Error-Resilient Streamable Long-Horizon Free-Viewpoint Video Reconstruction with Anchor Activation and Latent Recalibration [57.159190580279585]
ビット割り当て理論により、速度歪み最適化フレームワーク内で動的アンカーベースのボリュームビデオ表現を解析する。
我々は,長いシーケンスの復元品質を安定的に維持する,エラー回復性の最初のFVVフレームワークである textbfSoLAR を提案する。
論文 参考訳（メタデータ） (2026-05-08T06:48:59Z) - STCDiT: Spatio-Temporally Consistent Diffusion Transformer for High-Quality Video Super-Resolution [60.06664986365803]
我々は,事前学習したビデオ拡散モデルに基づいて構築されたビデオ超解像フレームワークSTCDiTを提案する。
複雑なカメラの動きであっても、構造的に忠実で時間的に安定した動画を劣化した入力から復元することを目的としている。
論文 参考訳（メタデータ） (2025-11-24T05:37:23Z) - LVTINO: LAtent Video consisTency INverse sOlver for High Definition Video Restoration [3.2944592608677614]
本稿では,VCMで符号化された先行画像を用いた高精細ビデオ再生のための,最初のゼロショット・プラグ・アンド・プレイ逆解器であるLVTINOを提案する。
我々の条件付け機構は、自動微分の必要性を回避し、少数のニューラルファンクション評価で最先端のビデオ再構成品質を達成する。
論文 参考訳（メタデータ） (2025-10-01T18:10:08Z) - Compensating Spatiotemporally Inconsistent Observations for Online Dynamic 3D Gaussian Splatting [9.592278104887036]
本稿では,リアルタイム録音におけるノイズなどの誤りがオンライン再構成における時間的不整合に影響を及ぼすことを示す。
本稿では,カメラでは避けられない時間的不整合を伴う観測から,オンライン再構成における時間的一貫性を高める手法を提案する。
論文 参考訳（メタデータ） (2025-05-02T12:50:24Z) - 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) - Collaborative Feedback Discriminative Propagation for Video Super-Resolution [66.61201445650323]
ビデオ超解像法(VSR)の主な成功は、主に空間情報と時間情報を探索することに由来する。
不正確なアライメントは通常、重要なアーティファクトを備えたアライメント機能につながる。
伝搬モジュールは同じタイムステップ機能のみを前方または後方に伝播する。
論文 参考訳（メタデータ） (2024-04-06T22:08:20Z) - Toward Accurate and Temporally Consistent Video Restoration from Raw
Data [20.430231283171327]
連続的かつ高精度な空間伝搬による新しいVJDDフレームワークを提案する。
提案した損失は,不正確な流量推定による誤差蓄積問題を回避することができる。
復元精度,知覚品質,時間的整合性の観点から,VJDDの先行性能を示す実験を行った。
論文 参考訳（メタデータ） (2023-12-25T12:38:03Z) - Video Dynamics Prior: An Internal Learning Approach for Robust Video
Enhancements [83.5820690348833]
外部トレーニングデータコーパスを必要としない低レベルの視覚タスクのためのフレームワークを提案する。
提案手法は,コヒーレンス・時間的テストの重み付けと統計内部統計を利用して,破損したシーケンスを最適化することでニューラルモジュールを学習する。
論文 参考訳（メタデータ） (2023-12-13T01:57:11Z) - RIGID: Recurrent GAN Inversion and Editing of Real Face Videos [73.97520691413006]
GANのインバージョンは、実画像に強力な編集可能性を適用するのに不可欠である。
既存のビデオフレームを個別に反転させる手法は、時間の経過とともに望ましくない一貫性のない結果をもたらすことが多い。
我々は、textbfRecurrent vtextbfIdeo textbfGAN textbfInversion and etextbfDiting (RIGID) という統合されたリカレントフレームワークを提案する。
本フレームワークは,入力フレーム間の固有コヒーレンスをエンドツーエンドで学習する。
論文 参考訳（メタデータ） (2023-08-11T12:17:24Z) - Making Reconstruction-based Method Great Again for Video Anomaly
Detection [64.19326819088563]
ビデオの異常検出は重要な問題だが、難しい問題だ。
既存の再構成に基づく手法は、昔ながらの畳み込みオートエンコーダに依存している。
連続フレーム再構築のための新しいオートエンコーダモデルを提案する。
論文 参考訳（メタデータ） (2023-01-28T01:57:57Z)
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。