Stream-DiffVSR：通过自回归扩散实现低延迟可流式视频超分辨率
Gemini AI生成的图像
Stream-DiffVSR引入了一种因果条件扩散框架，用于视频超分辨率处理，能够在实时场景中仅依赖于过去的帧进行计算。该方法采用了四步提炼去噪器和自回归时间引导模块，使得在RTX4090显卡上以仅0.328秒的速度处理720p的帧。与现有的最先进技术相比，这种方法将延迟减少了超过130倍，因而非常适合低延迟应用。更多细节可查阅其项目页面。
Stream-DiffVSR：低延迟视频超分辨率的突破性进展
一种新的框架Stream-DiffVSR已成为延迟敏感应用的视频超分辨率（VSR）解决方案。通过专注于过去的帧，Stream-DiffVSR显著减少了处理时间，同时提升了感知质量。
技术创新与性能指标
- 一个四步提炼的去噪器，加速推理时间。
- 一个自回归时间引导（ARTG）模块，在潜在去噪过程中提供与运动对齐的线索。
- 一个轻量级的时间感知解码器，配备时间处理模块（TPM），以提高细节并保持时间一致性。
在RTX4090 GPU上，Stream-DiffVSR可以在仅0.328秒内处理720p视频帧，标志着相较于以往方法的显著提升。与当前最先进的模型TMP相比，Stream-DiffVSR在LPIPS分数上提高了+0.095，同时实现了超过130倍的延迟减少。
在线部署的影响
Stream-DiffVSR的能力使其成为低延迟在线应用中首个可行的扩散VSR方法，可能会改变依赖实时视频处理的行业。
相关主题：
Stream-DiffVSR视频超分辨率自回归扩散延迟缩短低延迟在线部署
📰 原始来源： https://arxiv.org/abs/2512.23709v1
所有权利和署名均属于原出版商。