视频退化修复：从观测模型到生成先验与证据守恒¶
冻结日期：2026-08-30。 本页讨论 degradation inverse restoration：输入通常仍在每个时空位置保留观测，但这些观测被降采样、模糊、噪声、压缩、低照度、恶劣天气或复合退化污染；目标是在不改写事件、文字、身份与几何的前提下恢复高质量视频。它不等同于以 mask 指定缺失支持的视频补全，也不等同于允许语义变化的视频编辑。
本章的检索式、纳排规则、正式发表状态、关键断言和图片验收见配套研究记录。
1. 先固定任务合同¶
1.1 从干净视频到退化观测¶
令高质量视频为 $X=\lbrace x_t\rbrace_{t=1}^{T}$，观测视频为 $Y=\lbrace y_t\rbrace_{t=1}^{T'}$。通用前向模型可写成
\[ Y=\mathcal C_q\!\left(\mathcal S_r\!\left(\mathcal B_k(X)\right)+N;\,m\right), \]
其中：
- \(\mathcal B_k\) 表示空间变化、时间变化或相机/物体运动相关的模糊；
- \(\mathcal S_r\) 表示空间降采样，若还降低帧率则必须另写时间采样算子；
- \(N\) 表示传感器、量化、信号相关或压缩前后的噪声；
- \(\mathcal C_q\) 表示 codec、量化与传输过程，\(m\) 可包含帧类型、运动向量等 metadata；
- 参数 \(\phi=(k,r,N,q,m)\) 可以已知、部分已知或完全未知，且算子次序会改变问题。
restorer 接收 \((Y,\widehat\phi,C)\)，输出
\[ (\widehat X,U,A)=f_\theta(Y,\widehat\phi,C), \]
其中 \(U\) 是不确定性或风险图，\(A\) 是退化估计、窗口边界、随机种子与后处理记录。若论文不报告它假定的 \(\mathcal D_\phi\)，那么“真实世界修复”无法被复现；若用生成先验补出高频细节却不标记不确定区域，也不能把结果当作历史或取证意义上的真实恢复。
1.2 五类相邻任务不能只靠“输入也是视频”合并¶
| 任务 | 观测合同 | 允许模型做什么 | 一票否决式错误 |
|---|---|---|---|
| 退化逆问题修复 | \(Y=\mathcal D_\phi(X)+N\)；通常全帧有观测 | 去噪、去模糊、去压缩、超分、复合恢复 | 改写文字、身份、物体数量或事件；逐帧闪烁 |
| Inpainting / completion | \(Y=M\odot X\)；缺失支持由 mask 给出或估计 | 在缺失区生成合理内容，保留已知区 | mask 外变化、边界 seam、对象残留 |
| 帧插值 | 已知两侧时刻，目标是缺失时间坐标 | 估计中间状态或多条可能路径 | 端点不守恒、时间位置错误 |
| 视频编辑 | 完整源视频 + 指令/参考 | 在指定范围产生反事实变化 | 未请求区域变化、编辑未生效 |
| 美学增强 | 可能没有可逆的真实退化模型 | 改色、调光、风格化或主观锐化 | 把审美变化宣称为证据恢复 |
码流损坏是重要桥接案例：若 metadata 先定位损坏区，再用 pseudo-mask 补全并精修边界，它是“corruption detection + completion + restoration”的混合系统，而不是两类任务等价的证明。M-GDM 正式把这一设置定义为 blind bitstream-corrupted video recovery [23]。
1.3 三个验收轴必须独立¶
图注： restoration 的目标不是单纯“变清晰”。传统回归路线容易过平滑；GAN/diffusion 路线能补出锐利纹理，却可能稳定地生成从未存在的文字、牙齿、窗格或人脸细节。合格协议必须同时报告 evidence fidelity、temporal stability 与 perceptual detail，任何一项都不能替代另外两项。
顺序化文字替代： 干净视频先经过明确的退化算子形成观测；系统再从对齐融合、时序传播/注意力或生成先验中选择路线；恢复结果同时通过证据保真、时间稳定和感知细节三道门。若输入是由 mask 定义的缺失像素，则转入独立的视频补全合同。
2. 退化不是一个标签，而是一份可复现协议¶
| 退化族 | 必须声明的参数 | 最容易被忽略的现实因素 | 反事实压力测试 |
|---|---|---|---|
| 空间超分 | scale、kernel、先 blur 还是先 resize | 非整数缩放、镜头 MTF、ISP sharpening | 改变 kernel 与 scale，检查文字/纹理是否乱造 |
| 去模糊 | exposure、运动轨迹、空间/时间变化 | rolling shutter、depth discontinuity、饱和 | 静态背景与快速对象分开评测 |
| 去噪 | Gaussian/Poisson/read noise、强度与色彩空间 | RAW 到 sRGB 的非线性、暗电流、热像素 | 未见 ISO/曝光和跨相机测试 |
| 去压缩 | codec、QP/bitrate、GOP、chroma subsampling | frame type、packet loss、反复转码 | I/P/B 帧、场景切换与二次压缩分层 |
| 天气/低照度 | 雨、雾、雪、raindrop、曝光、照度 | 多种退化共存、训练天气偏置 | seen/unseen weather 与真实拍摄双测试 |
| 复合盲退化 | 算子集合、次序、参数分布 | 训练合成器覆盖不了真实分布 | hold-one-degradation-out 与顺序置换 |
| AIGC 伪影 | warp、结构错误、局部闪烁的构造来源 | 没有唯一“干净真值” | 结构修复前后的人体、文字、物体计数审计 |
同一组网络结构在 bicubic \(\times4\) 上的结论，不能自动迁移到 unknown blur + compression + noise。RealBasicVSR 的贡献之一正是指出长程传播会把真实退化和伪影一起放大，并在传播前加入 cleaning module [8]。DiffVSR 则把复杂退化下的学习负担拆成渐进训练阶段，而不是只换更大的架构 [21]。
3. 多帧为什么有用，也为什么会害人¶
3.1 信息来自亚像素位移与互补可见性¶
相邻帧中的同一结构可能落在不同采样位置，并在某些帧更清晰、噪声更小或未被遮挡。若 \(W_{s\rightarrow t}\) 将支持帧 \(s\) 对齐到目标帧 \(t\)，一种抽象融合写法是
\[
h_t=\sum_{s\in\mathcal N(t)} a_{s,t}\odot
W_{s\rightarrow t}(\psi(y_s)),
\qquad
\widehat x_t=g(h_t,y_t),
\]
其中 \(a_{s,t}\) 必须反映遮挡、匹配置信度和退化强度。若运动估计错了，融合会产生 ghosting；若所有支持帧都丢失同一高频，网络只能依赖先验，不能称为从观测中恢复。
3.2 五条方法路线是可组合维度¶
| 路线 | 核心机制 | 优点 | 主要代价 / 失败 |
|---|---|---|---|
| Sliding-window 对齐融合 | flow、deformable conv/attention、correlation 对齐邻帧 | 并行、局部诊断清楚 | 窗口外信息丢失；大运动与遮挡误对齐 |
| Recurrent propagation | hidden feature 前后传播，必要时二阶或网格回访 | 资源随长度增长较慢、可利用长程信息 | error/artifact accumulation；双向版本不是在线 |
| Full-clip / hybrid Transformer | 窗内全局注意 + clip 间递归或 deformable attention | 长依赖与局部效率折中 | 显存、窗口边界与训练长度外推 |
| GAN / diffusion generative prior | 以自然图像/视频先验补全不可观测高频 | 感知细节强、可处理重退化 | 幻觉、随机闪烁、低 PSNR、采样慢 |
| Causal / distilled streaming | 只读历史、少步/一步、稀疏注意与轻量 decoder | 可接近播放 deadline | 无未来帧、漂移、质量—延迟权衡 |
BasicVSR 把传统 VSR 归纳成 propagation、alignment、aggregation、upsampling 四个组件 [4]；BasicVSR++ 用二阶网格传播与 flow-guided deformable alignment 加强前两项 [7]。RVRT 不是简单“Transformer 取代 recurrence”，而是在局部 clip 内并行、clip 间递归，并用 guided deformable attention 对齐 [9]。这些路线仍可与 GAN、diffusion 或不同退化训练器组合。
4. 技术路线与 paper review¶
4.1 2017–2020：从逐帧处理到显式时空信息利用¶
Deep Video Deblurring 用端到端 CNN 聚合邻帧，配套高帧率拍摄再合成模糊的数据，把“跨帧可见信息”带入视频去模糊 [1]。EDVR 的 PCD alignment 与 TSA fusion 成为显式多尺度 deformable alignment 的代表，并在 REDS restoration challenge 中统一面对 SR 与 deblurring [2]。FastDVDnet 则说明视频去噪不一定先显式估 flow：两级时空去噪器可隐式吸收运动，同时以单模型处理多噪声水平 [3]。
这一时期的关键不是“CNN 已经过时”，而是建立三个至今仍有效的诊断问题：支持帧怎样对齐、遮挡区怎样降权、时间信息怎样聚合。生成先验并没有取消这些问题。
4.2 2021–2022：传播、盲退化与 Transformer 枢纽¶
BasicVSR 提供简洁的双向 recurrent baseline，显示长程传播和 flow alignment 在固定计算下很强 [4]。Deep Blind VSR 把未知退化显式拉进任务，而 COMISR 把压缩信息纳入 VSR，提醒真实视频不是“先 bicubic 再干净保存” [5] [6]。
BasicVSR++ 的二阶连接能在遮挡和边界处访问更多历史，但多次传播也增加错误积累路径 [7]。RealBasicVSR 用预清洗与动态 refinement 处理真实退化，并发布无 GT 的 VideoLQ 作为现实输入集；这类集合适合盲人评与 no-reference 诊断，不能凭没有 GT 就只报一个美学分 [8]。VRT 与 RVRT 把窗口注意、并行 clip 与 recurrence 引入统一 restoration，后者直接在 SR、deblurring、denoising 三任务验证 [9] [10]。
4.3 2024：生成先验进入 VSR，但保真问题没有消失¶
SATeCo 冻结预训练图像 SR 的 U-Net/VAE，只训练 spatial feature adaptation 与 temporal feature alignment，以低清视频同时约束 latent denoising 和 pixel reconstruction [13]。Upscale-A-Video 加入局部时序层与全局 flow-guided latent propagation，并显式提供 noise level 和 text prompt 来调节 fidelity–generation trade-off [14]。MGLD-VSR 从运动约束引导 latent diffusion，StableVSR 则以 temporal-aware diffusion synthesis 生成感知细节；两者均在 ECCV 2024 正式发表 [15] [16]。
这些工作证明生成先验能提升感知细节，不证明细节来自原视频。最小证伪应包括：把恢复结果重新经过同一退化器，看能否回到观测；对小文字、人脸、重复纹理和周期运动逐帧跟踪；对同一输入换 seed，检查不确定高频是否稳定。
FMA-Net 处理联合 video SR + deblurring，并用 flow-guided dynamic filtering 学时空变化的退化/恢复核 [11]。Blur-aware sparse Transformer 直接面向去模糊中的稀疏时空相关；VD-Diff 则把 wavelet-aware dynamic Transformer 与紧凑 diffusion prior 组合到同一 deblurring 系统，说明“结构恢复”和“高频生成”即使同模，也仍要分开验收 [12] [17]。Diff-TTA 把 diffusion reverse process 与 test-time adaptation 结合到 video adverse weather removal，说明“未知退化”也可能要求在线适配，而不只是更宽的训练分布 [18]。
4.4 2025–2026：任意分辨率、复杂退化、少步与 streaming¶
VideoGigaGAN 从大规模图像 upsampler 引入生成细节，同时增加时序模块抑制逐帧闪烁；其 \(8\times\) 结果属于作者协议，不能脱离数据与人工评价写成普遍倍率上限 [19]。PatchVSR 把低清 patch 与缩放后的全局视频分成双条件流，以 patch 位置和多 patch joint modulation 支持高分辨率输出 [20]。这解决固定基础模型分辨率与计算范围问题，却新增 patch seam、全局语义误判和边界一致性风险。
DiffVSR 用 progressive learning 拆解复杂退化、内容和时间建模负担，并用 interweaved latent transition 保持时间一致 [21]。TurboVSR 使用高压缩 autoencoder、首帧/后续帧 factorized conditioning 与 shortcut model，把论文设置中的 2 秒 1080p 处理压到秒级；这个数字依赖 H20、片段长度、步数与编码/解码口径，不能直接横比只报 denoiser 的 FPS [22]。SeedVR 提出任意长度/分辨率的 diffusion-transformer restoration，但截至冻结日仍按预印本处理 [24]。FLAIR 将 conditional diffusion 用于 face video restoration，是身份敏感的专门分支；脸更清晰不等于身份细节更真实，不能将其结果外推为通用 restoration 证据 [29]。
2026 年的进展开始把 generative VSR 的三项旧债分开处理：
- DGAF-VSR 把对齐后的邻帧特征作为 dense guidance，强调生成先验仍需充分利用观测证据 [26]；
- STCDiT 用 motion-aware 分段 VAE reconstruction 与 anchor-frame guidance 提高结构保真 [27]；
- SeedVR2 用 adaptive window attention 与 adversarial post-training 把通用 restoration 压到一步，并在 ICLR 2026 正式发表；“一步”仍不等于无生成幻觉 [30]；
- FlashVSR 通过三阶段蒸馏、locality-constrained sparse attention 与轻量条件 decoder 做一步 streaming VSR，作者在单张 A100、768×1408 条件下报告 17 FPS [25]；
- DTG-Restore 把 unconditional branch 放到更干净的 diffusion timestep，作为 training-free refinement，并建立 GenWarp480 诊断生成视频的 warp/结构伪影 [28]。
“实时”“training-free”“一步”分别描述服务速度、参数更新和 NFE，三者不能互换。FlashVSR 是训练后的一步模型；DTG-Restore 不训练新模型但仍要运行外部 restoration 与 diffusion refinement。
5. 评测：清晰、稳定、真实不是一个数¶
5.1 合成退化与真实退化必须分开¶
| 设置 | 可以回答 | 不能回答 |
|---|---|---|
| 已知合成退化 + paired GT | 在指定 kernel/noise/codec 上的重建误差 | 对未知相机、ISP、转码与复合退化的泛化 |
| 未见合成参数 / 组合 | 对 degradation shift 的局部稳健性 | 真实世界覆盖是否充分 |
| 真实 paired capture | 特定设备/光学系统下的 fidelity | 其他设备与不可配准动态场景 |
| 真实 unpaired / no-GT | 人工可接受度、伪影与时序稳定 | 新细节是否忠于不可见的真实高频 |
| AIGC artifact benchmark | 对生成 warp、结构错位的修复能力 | 对真实相机噪声或历史素材的保真 |
训练和测试不能复用同一个 degradation generator 的随机种子、kernel bank 或 codec 配置。更强协议应有 generator-held-out、parameter-held-out、order-held-out 和 real-capture 四层，并公开 clean source、退化配置和失败样例。
5.2 指标矩阵¶
| 证据轴 | 指标 / 检查 | 必须配套的压力测试 |
|---|---|---|
| 像素/结构 fidelity | PSNR、SSIM、LPIPS、DISTS；重退化一致性 \(\Vert\mathcal D(\widehat X)-Y\Vert\) | 小文字、细线、脸、重复纹理、饱和和运动边界 |
| Temporal stability | flow-warp error、tLPIPS、flicker spectrum、track consistency | scene cut、遮挡、快速运动、周期纹理、长片段 |
| Perceptual detail | 盲人评、pairwise preference、no-reference VQA | 锐化 halo、塑料纹理、伪细节与 evaluator stress test |
| Task utility | OCR、face/ID、检测/跟踪、压缩后再分析 | 原始低清基线、oracle GT、跨设备/跨域 |
| Efficiency | p50/p95 latency、FPS、峰值显存、NFE、功耗代理 | cold/warm、解码/编码、tile/window seam、长片段 |
| Uncertainty / safety | 多 seed 方差、risk map、拒绝率、人工复核 | 证件、医疗、新闻、监控与历史档案场景 |
PSNR 高可能对应过平滑；感知分高可能来自合理但错误的纹理；低 flicker 甚至可能来自把细节固定错。报告至少应包含一项 fidelity、一项 temporal 和一项 perceptual 指标，并展示它们之间的 Pareto 曲线，而不是挑一个最优点。
5.3 幻觉审计¶
对每个 restoration 系统执行五项检查：
- Re-degradation consistency：用声明的 \(\mathcal D_\phi\) 重新退化 \(\widehat X\)，是否回到 \(Y\)；
- Seed sensitivity：不同 seed 是否改变文字、人脸、物体部件等事实性内容；
- Identity/OCR ledger：逐帧记录人脸 embedding、OCR 字符与置信度，不只看一张放大图；
- Temporal spectrum：检查高频细节是在物体坐标中稳定，还是黏在屏幕坐标或逐帧闪烁；
- Downstream counterfactual：若恢复让 detector/OCR 结果变化，必须与 GT 或人工核验比较，不能把“更自信”当“更正确”。
6. 离线、双向、因果与 streaming¶
双向传播和 full-clip attention 可以读取未来帧，因此通常不适合低延迟直播。在线系统在时刻 \(t\) 只能使用 \(Y_{\le t+b}\)，其中 \(b\) 是公开缓冲区；必须报告 first-frame latency、steady-state throughput、window seam、状态增长和 scene-cut reset。
顺序化文字替代： 若允许未来帧，可选双向传播或整段注意；否则使用因果状态和有界缓冲。已知退化优先 fidelity-first 重建，未知退化需估计或测试时适配。当观测不足才引入生成先验并报告不确定性；在线 deadline 还要求少步、稀疏注意和端到端延迟验收。
7. Milestone：按任务合同变化，而不是按宣传画质排序¶
| 首次公开 → 正式发表 | 工作 | 真正改变了什么 | 证据边界 |
|---|---|---|---|
| 2017 → CVPR 2017 | Deep Video Deblurring [1] | 邻帧端到端聚合 + 高帧率合成模糊数据 | 合成 blur 不能覆盖所有真实 shutter/rolling-shutter |
| 2019 → CVPRW 2019 | EDVR [2] | PCD alignment + TSA fusion；REDS restoration 枢纽 | workshop 正式论文；并非统一所有真实退化 |
| 2020 → CVPR 2020 | FastDVDnet [3] | 无显式 flow 的快速多噪声级视频去噪 | 主要围绕噪声，不自动解决 SR/blur |
| 2021 → CVPR 2021 | BasicVSR [4] | 传播、对齐、聚合、上采样四组件基线 | 双向传播依赖未来帧 |
| 2022 → CVPR 2022 | BasicVSR++ / RealBasicVSR [7] [8] | 二阶网格传播；真实退化清洗与训练权衡 | regression 细节与真实未知高频仍有限 |
| 2022 → NeurIPS 2022 | RVRT [9] | clip 内并行、clip 间递归的通用 restoration Transformer | 非 streaming；测试长度与显存需另报 |
| 2022 预印本 → TIP 2024 | VRT [10] | parallel video restoration Transformer 跨 SR/denoise/deblur | 首次公开年与正式年必须分开 |
| 2023 预印本 → CVPR 2024 | Upscale-A-Video / SATeCo [13] [14] | 生成先验 + 局部/全局时间约束；冻结图像先验适配 | 感知锐利不等于事实恢复 |
| 2024 → CVPR/ECCV 2024 | FMA-Net、MGLD-VSR、StableVSR [11] [15] [16] | 复合 SR+blur、motion-guided latent diffusion、时间一致细节 | 路线各自绑定退化与 benchmark |
| 2024 预印本 → CVPR 2025 | VideoGigaGAN [19] | 将大型图像 GAN upsampler 扩到时间一致 \(8\times\) VSR | 首次公开不是 CVPR 2024 正式论文 |
| 2025 → CVPR/ICCV 2025 | PatchVSR、DiffVSR、TurboVSR [20] [21] [22] | patch 级高分辨率、复杂退化学习、少步高压缩 | 系统数字需绑定硬件、步数、分辨率和片长 |
| 2025 预印本 | SeedVR [24] | diffusion Transformer 的通用/任意长度与分辨率主张 | 截止冻结日仍按预印本，不写成正式发表 |
| 2026 → ICLR/CVPR 2026 | SeedVR2、FlashVSR、DGAF-VSR、STCDiT、DTG-Restore [25]–[28] [30] | adversarial 一步、streaming、dense aligned guidance、结构锚定、training-free refinement | 作者协议结果，尚非同一公开 benchmark 下的独立排名 |
8. 失败诊断表¶
| 症状 | 优先怀疑 | 最小定位实验 | 不充分的“修复” |
|---|---|---|---|
| 细节清楚但字变了 | generative prior 过强、condition 太弱 | OCR + re-degradation + 多 seed | 再加锐化或只报 VQA |
| 帧间闪烁 | 独立采样、VAE/decoder 不一致 | 同一 track 的 feature/颜色时间曲线 | 仅做 RGB 平滑，导致拖影 |
| 运动边界 ghosting | flow/offset 错、遮挡权重失效 | 可视化 warp 与 visibility mask | 扩大窗口但不改置信度 |
| 长视频后伪影放大 | recurrent error accumulation | 逐帧误差/频谱随时间曲线 | 只截取前 16 帧展示 |
| 真实视频出现油画感 | 训练退化过窄、损失偏像素 | hold-out codec/camera/ISP | 增大模型但不扩退化 |
| 4K tile 有接缝 | patch 缺全局上下文、noise 不共享 | seam-only heatmap 与重叠消融 | 输出后模糊接缝 |
| 速度数字很好但不可播 | 只计 denoiser、忽略 VAE/I/O | 端到端 cold/warm p95 | 只报单帧平均 FPS |
| AIGC 人体“修好”但动作变 | 结构先验改写事件 | pose/track/action before–after | 只做人像偏好评分 |
9. 最小可复现实验：RestorationFork-1¶
9.1 固定变量¶
- 同一 clean video 集、train/val/test split、长度与 crop；
- 同一四类训练退化：blur、downsample、noise、compression，公开参数与次序；
- 同一参数量级、训练步数、输入帧数与输出 scale；
- 三个模型：单帧 baseline、时序 regression、时序 generative prior；
- 不允许用 test degradation 选择 seed 或调 prompt。
9.2 四层测试¶
- Matched synthetic：与训练同族但未见参数；
- Held-out composition：未见算子次序与组合；
- Codec/camera shift：不同 codec、bitrate、ISP 或设备；
- Real no-GT：盲人评、OCR/ID、flicker、失败率与人工复核。
9.3 必交付记录¶
model / checkpoint / commit:
degradation generator + exact order:
input/output resolution, frames, fps:
future-frame access / buffer:
tile, overlap, scene-cut reset:
sampler / NFE / seed:
VAE + post-processing:
PSNR / LPIPS / temporal metric:
OCR / identity / hallucination failures:
cold and warm p50/p95 latency:
peak memory / hardware:
只有当 generative route 在感知质量上改善，同时没有显著增加 OCR/身份错误、时间闪烁和 re-degradation error，才可支持“更好的 restoration”；否则只能写“更受偏好的 enhancement”。
10. 研究与工程停止规则¶
- 只在 bicubic 或单一 Gaussian noise 上测试：不能写“真实世界修复”。
- 只报 PSNR/SSIM：不能写“感知质量最好”；只报 no-reference VQA：不能写“忠实恢复”。
- 只展示 cherry-picked zoom：不能写“时间一致”，必须给视频级指标与长片段失败。
- 输出新增可辨识文字、面孔或对象部件：在人工复核前不得进入证据、医疗、新闻或档案工作流。
- “任意长度”只表示接口能继续跑：没有 drift、memory 与 seam 曲线时不能写“长期稳定”。
- “实时”必须包含 I/O、预处理、VAE、restorer、后处理和编码的端到端 p95；单个 kernel FPS 不够。
- 训练代码或模型未公开：只能写作者报告，不写“已复现”。
- 同名 restoration / enhancement / inpainting 未拆合同：停止横向排名，先重建任务表。
11. 推荐阅读路线¶
- 用 BasicVSR 理解 propagation、alignment、aggregation、upsampling 四个基本组件。
- 用 BasicVSR++、RealBasicVSR 与 RVRT 比较传播增强、真实退化和 hybrid Transformer。
- 用 SATeCo、Upscale-A-Video、MGLD-VSR 比较图像 diffusion prior 怎样获得时间能力。
- 用 VideoGigaGAN、PatchVSR、DiffVSR 与 TurboVSR理解细节、分辨率、复杂退化和效率的四方权衡。
- 用 SeedVR2、DGAF-VSR、STCDiT、FlashVSR 与 DTG-Restore 核验 2026 的“一步后训练、观测证据、结构锚、streaming、AIGC refinement”分叉。
- 最后执行 RestorationFork-1；没有幻觉审计和真实退化层，就不要把 enhancement 写成 recovery。
相邻章节：视频补全、帧插值、视频编辑、图像到视频、因果流式生成与评测指南。
参考文献¶
[1] Deep Video Deblurring for Hand-Held Cameras. CVPR. 2017.
[2] EDVR: Video Restoration with Enhanced Deformable Convolutional Networks. CVPR Workshops. 2019.
[3] FastDVDnet: Towards Real-Time Deep Video Denoising without Flow Estimation. CVPR. 2020.
[4] BasicVSR: The Search for Essential Components in Video Super-Resolution and Beyond. CVPR. 2021.
[5] Deep Blind Video Super-Resolution. ICCV. 2021.
[6] COMISR: Compression-Informed Video Super-Resolution. ICCV. 2021.
[7] BasicVSR++: Improving Video Super-Resolution with Enhanced Propagation and Alignment. CVPR. 2022.
[8] Investigating Tradeoffs in Real-World Video Super-Resolution. CVPR. 2022.
[9] Recurrent Video Restoration Transformer with Guided Deformable Attention. NeurIPS. 2022.
[10] VRT: A Video Restoration Transformer. arXiv first release, 2022; IEEE Transactions on Image Processing, 2024, DOI.
[11] FMA-Net: Flow-Guided Dynamic Filtering and Iterative Feature Refinement with Multi-Attention for Joint Video Super-Resolution and Deblurring. CVPR. 2024.
[12] Blur-aware Spatio-temporal Sparse Transformer for Video Deblurring. CVPR. 2024.
[13] Learning Spatial Adaptation and Temporal Coherence in Diffusion Models for Video Super-Resolution. CVPR. 2024.
[14] Upscale-A-Video: Temporal-Consistent Diffusion Model for Real-World Video Super-Resolution. CVPR. 2024.
[15] Motion-Guided Latent Diffusion for Temporally Consistent Real-World Video Super-Resolution. ECCV. 2024.
[16] StableVSR: Enhancing Perceptual Quality in Video Super-Resolution through Temporally-Consistent Detail Synthesis Using Diffusion Models. ECCV. 2024.
[17] Rethinking Video Deblurring with Wavelet-Aware Dynamic Transformer and Diffusion Model. ECCV. 2024.
[18] Genuine Knowledge from Practice: Diffusion Test-Time Adaptation for Video Adverse Weather Removal. CVPR. 2024.
[19] VideoGigaGAN: Towards Detail-rich Video Super-Resolution. arXiv first release, 2024; CVPR, 2025.
[20] PatchVSR: Breaking Video Diffusion Resolution Limits with Patch-wise Video Super-Resolution. CVPR. 2025.
[21] DiffVSR: Revealing an Effective Recipe for Taming Robust Video Super-Resolution against Complex Degradations. ICCV. 2025.
[22] TurboVSR: Fantastic Video Upscalers and Where to Find Them. ICCV. 2025.
[23] Blind Bitstream-corrupted Video Recovery via Metadata-guided Diffusion Model. CVPR. 2025.
[24] SeedVR: Seeding Infinity in Diffusion Transformer towards Generic Video Restoration. arXiv preprint. 2025.
[25] FlashVSR: Towards Real-time Diffusion-Based Streaming Video Super Resolution. CVPR. 2026.
[26] Rethinking Diffusion Model-Based Video Super-Resolution: Leveraging Dense Guidance from Aligned Features. CVPR. 2026.
[27] STCDiT: Spatio-Temporally Consistent Diffusion Transformer for High-Quality Video Super-Resolution. CVPR. 2026.
[28] DTG-Restore: Training-Free Diffusion Refinement for Generative Video Super-Resolution. CVPR. 2026.
[29] FLAIR: A Conditional Diffusion Framework with Applications to Face Video Restoration. WACV. 2025.
[30] SeedVR2: One-Step Video Restoration via Diffusion Adversarial Post-Training. ICLR. 2026.