从运动模糊图像生成过去、现在和未来
分析
本文提出了一种利用预训练视频扩散模型进行运动模糊反卷积的新方法。其关键创新在于重新利用这些在大型数据集上训练的模型，不仅可以重建清晰的图像，还可以生成描述场景过去和未来的合理视频序列。这超越了主要关注恢复图像清晰度的传统去模糊技术。该方法的鲁棒性和通用性，通过其在具有挑战性的真实世界图像上的卓越性能以及对相机轨迹恢复等下游任务的支持得到证明，是一项重大贡献。代码和数据的可用性进一步增强了这项研究的可重复性和影响力。但是，本文可以从更详细地讨论训练和推理所需的计算资源中受益。
引用 / 来源
查看原文"We introduce a new technique that repurposes a pre-trained video diffusion model trained on internet-scale datasets to recover videos revealing complex scene dynamics during the moment of capture and what might have occurred immediately into the past or future."