arXiv cs.AI· Junseong Shin, Hyeonsu Jo, Daehyun Kim, Tae Hyun Kim·· 11 小时前AI 评分32
PickMoment：用去模糊与模糊到视频学习实现连续时间单图生视频
PickMoment: Continuous-Time Single-Image-to-Video via Learning Deblurring and Blur-to-Video
AI 导读
PickMoment 提出连续时间重构方法，用单一确定性模型直接学习曝光任意子区间上的区间均值模糊，将单图去模糊、模糊到视频生成和连续时间选帧统一为同一网络的不同查询，无需分任务训练。模型在 GoPro 和 HIDE 上取得生成式去模糊方法中的 SOTA，在 RealBlur 上媲美复原类方法，并在 GoPro-7 模糊到视频任务上取得最高逐帧保真度，全程单次前向传播、无需迭代采样。
正文 · AI 翻译
摘要：运动模糊源于连续清晰信号在有限曝光窗口内的时间积分，然而现有的基于学习的方法绕开了这一物理模型，仅预测清晰信号本身：大多数单图像去模糊方法恢复曝光中心处的单帧，而模糊到视频的方法则预测一组固定帧。我们提出 PickMoment，一种连续时间重构方法，用单一确定性模型直接学习曝光任意子区间上的区间均值模糊。类比 MeanFlow 的平均速度公式，我们利用由模糊积分导出的三种监督来训练模型：来自可用子帧的经验重建损失、强制重叠子区间自一致性的可加性损失，以及锚定在零区间极限处的清晰帧损失。单个训练好的模型将单图像去模糊、模糊到视频生成以及连续时间选帧恢复统一为对同一网络的不同查询，无需为每个任务单独训练。我们的 PickMoment 在 GoPro 和 HIDE 上取得了基于生成的去模糊方法中的最先进性能，在 RealBlur 上与基于复原的方法相比具有竞争力，并在 GoPro-7 模糊到视频上取得最高的逐帧保真度，且全部在单次前向传播中完成，无需迭代采样。
| 学科： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.01279 [cs.CV] |
| （或 arXiv:2610.01279v2 [cs.CV] 为此版本） | |
| https://doi.org/10.48550/arXiv.2610.01279 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Junseong Shin [查看邮箱]
[v1]
2026年10月1日 星期四 08:16:14 UTC（6,282 KB）
[v2]
2026年11月5日 星期四 14:20:10 UTC（6,299 KB）
来源：arXiv cs.AI · arxiv.org