计算机科学 > 计算机视觉与模式识别
[提交于 2025年8月1日
]
标题: 潜在扩散空间中的语义与时间整合用于高保真视频超分辨率
标题: Semantic and Temporal Integration in Latent Diffusion Space for High-Fidelity Video Super-Resolution
摘要: 最近在视频超分辨率(VSR)模型方面的进展展示了在增强低分辨率视频方面的显著成果。 然而,由于在充分控制生成过程方面存在限制,实现与低分辨率输入的高保真对齐,同时保持帧间的时序一致性仍然是一个重大挑战。 在本工作中,我们提出了语义和时序引导的视频超分辨率(SeTe-VSR),这是一种新的方法,在潜在扩散空间中结合了语义和时序-空域引导以解决这些挑战。 通过结合高层次的语义信息并整合空间和时间信息,我们的方法在恢复复杂细节和确保时序连贯性之间实现了无缝平衡。 我们的方法不仅保留了高真实感的视觉内容,还显著提高了保真度。 大量实验表明,SeTe-VSR在细节恢复和感知质量方面优于现有方法,突显了其在复杂视频超分辨率任务中的有效性。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.