BriefGPT - AI 论文速递
·
基于时间解耦专家和分布驱动对比正则化的半监督视频去雪网络
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
我们提出了一种在视频处理中引入测试时适应性的框架，将其整合到迭代扩散反转过程中。训练阶段使用基于扩散的网络和新的时间噪声模型，推理阶段通过扩散管道自校准进行在线适应。实验表明，该方法在恢复受天气影响的视频方面优于现有技术，并在合成和实际视频中对未知天气条件表现出色。
🎯
关键要点
- 提出了一种在视频处理中引入测试时适应性的框架。
- 该框架整合了迭代扩散反转过程。
- 训练阶段设计了基于扩散的网络和新颖的时间噪声模型。
- 推理阶段引入了扩散管道自校准的代理任务。
- 实验结果表明，该方法在恢复受天气影响的视频方面优于现有技术。
- 该方法在合成和实际视频中对未知天气条件表现出色。
➡️
