视频去模糊Coding-Prior Guided Diffusion Network for Video Deblurring

论文作者：Yike Liu,Jianhui Zhang,Haipeng Li,Shuaicheng Liu,Bing Zeng

作者单位：

论文链接：http://arxiv.org/abs/2504.12222v1

内容简介：

1）方向：视频去模糊

2）应用：视频去模糊

3）背景：尽管当前的视频去模糊方法取得了显著进展，但它们通常忽略了两个重要的先验信息来源：（1）视频编解码中生成的运动矢量（MVs）与残差信息（CRs），可作为高效的帧间对齐与纹理线索；（2）预训练扩散生成模型中蕴含的丰富现实世界知识，这些潜力尚未被充分利用。

4）方法：本文提出一种新的两阶段框架 CPGDNet，结合了编码先验与生成式先验以实现高质量的视频去模糊。第一阶段是 编码先验特征传播模块（CPFP），利用运动矢量进行帧对齐，使用编码残差生成注意力掩码，解决运动误差和纹理变化问题。第二阶段是 编码先验控制生成模块（CPC），将编码先验引入预训练的扩散模型中，引导其增强关键区域并合成真实细节，从而提升去模糊效果。

5）结果：实验结果显示，CPGDNet 在感知质量方面实现了业界领先的表现，在图像质量评价指标（IQA）上最多提升了30%。此外，作者将开放源码及包含编码先验增强的数据集，为后续研究提供资源支持。