Low-Level 大一统:如何使用Diffusion Models完成视频超分、去雨、去雾、降噪等所有Low-Level 任务?
Diffusion Models专栏文章汇总:入门与实战
前言:视频在传输过程中常常因为各种因素(如恶劣天气、噪声、压缩和传感器分辨率限制)而出现质量下降,这会严重影响计算机视觉任务(如目标检测和视频监控)的性能。现有的视频修复方法虽然取得了一些进展,但通常只能针对特定的退化类型,需要为每种任务训练单独的模型。这种方法在现实应用中成本高昂且不切实际,因为实际场景中往往存在多种退化因素。这篇博客介绍一种使用Diffusion Models完成视频超分、去雨、去雾、降噪等所有Low-Level 任务的方法。
目录
现有视频修复方法的局限性
特定任务导向,缺乏通用性
难以保持时间一致性
现有基于扩散模型的视频修复方法的不足
方法详解
论文