CVPR2025 论文精读《Making Old Film Great Again: Degradation-aware State Space Model for Old Film Restor》

原创

于 2025-08-16 23:16:41 发布 · 775 阅读

14 ·

CC 4.0 BY-SA版权

文章标签：

#计算机视觉 #神经网络 #深度学习 #人工智能

👉️关注公众号Tensor实验室，，第一时间获取大厂算法校招、社招信息、最新论文工作(大模型、具身智能、CV、扩散模型、多模态、自动驾驶、医疗影像、AIGC、遥感等方向的论文解读)、最新AI发展趋势和学习资料等，赶快加入一起学习吧！

CVPR 2025 论文和开源项目合集请戳 CVPR2025-PapersWithCode

AI垂直方向交流群和论文投稿群已成立！

👨‍🔧👩‍🔧👨‍🔬👩‍🔬👨‍🚀👨‍🚒🕵️‍: 欢迎进群 | Welcome

目前已经开设的AI细分垂直方向交流群包括但不限于：大模型、多模态、具身智能、CV、扩散模型、目标检测、图像分割、目标跟踪、医学影像、遥感、3DGS、Mamba、NeRF、Transformer、GAN、异常检测/缺陷检测、SLAM、人脸检测&识别、OCR、NAS、Re-ID、超分辨率、强化学习、3D重建、姿态估计、自动驾驶、活体检测、深度估计、去噪、显著性目标检测、车道线检测、模型剪枝&压缩、去雾、去雨、行为识别、视频理解、图像融合、图像检索等。

可以添加微信小助手微信：Tensor333或Tensor555，请备注：研究方向+地区+学校/公司名称+昵称！如：大模型+北京+北航+小北；一定要根据格式申请，可以拉你进对应的交流群。

如果目前方向未定的的同学，可以先加入大群（大群和垂直方向群可以同时加入）。可以添加微信小助手微信：Tensor333或Tensor555，请备注：方向未定+地区+学校/公司名称+昵称！如：方向未定+北京+北航+小北；

如果想进顶刊顶会论文投稿和交流群的同学。可以添加微信小助手微信：Tensor333或Tensor555，请备注：顶刊顶会名称+地区+学校/公司名称+昵称！如：CVPR+北京+北航+小北；

Authors: Yudong Mao, Hao Luo, Zhiwei Zhong, Peilin Chen, Zhijiang Zhang, Shiqi Wang

Paper:

Code:

Home:

简介：与现代原生数字视频不同，老电影的修复需要解决模拟源固有的特定退化问题。然而，现有的专门方法与通用的视频修复技术相比仍然存在不足。在本研究中，我们提出了一个新的基准，以重新审视老电影修复面临的挑战。首先，我们开发了一个基于 Mamba 的改进框架，称为 MambaOFR，它可以通过生成退化感知提示来动态调整退化消除模式，以解决老电影中存在的复杂复合退化问题。其次，我们引入了一个流引导掩模可变形对齐模块，以减轻结构化缺陷特征在时间域中的传播。第三，我们推出了第一个包含合成和真实老电影片段的基准数据集。大量实验表明，该方法达到了最佳性能，优于现有的老电影修复先进方法。具体实现和模型即将发布。

一、现存问题🌟

这篇论文试图解决老电影修复中的特定挑战。与现代原生数字视频不同，老电影的修复需要处理模拟源特有的复杂退化问题。现有的专门方法在与通用视频修复技术相比时仍存在不足。因此，论文提出了一个新的基线来重新审视老电影修复中的挑战，旨在适应性地解决老电影中所有类型的退化问题，包括复杂的混合退化和结构缺陷。

二、相关研究和难点📚

论文中提到了以下相关研究：

视频修复（Video Restoration）

目标：视频修复旨在减轻视频内容的退化，以产生高质量的视频帧。现有方法尝试建立原始视频与其退化之间的对应关系，以准确建模修复过程，例如视频去噪、视频去模糊和视频超分辨率等。
方法：最近的进展利用了神经网络基础模型，显著提高了模型提取和聚合空间特征的能力，从而在性能上取得了显著提升。这些进展也被应用于解决视频中的空间退化问题。然而，与图像修复不同，利用相邻视频帧之间的帧间依赖关系对于有效的视频修复至关重要。通常使用光流估计来预测视频帧之间的像素运动，并通过变形卷积来解决特征对齐问题。此外，注意力机制也被用于处理时间依赖关系。
局限性：这些方法未能考虑由于老电影中的特定退化导致的光流估计不确定性，以及这些退化在时间域中的传播，因此在老电影修复中未能达到令人满意的性能。