VISION XL

3周前更新 30 00

基于潜在扩散模型的高清视频逆问题求解器,支持去模糊、超分与修复,单卡13GB显存可处理25帧视频。

收录时间:
2025-11-12
VISION XLVISION XL

VISION XL 是 KAIST 的 Taesung Kwon 与 Jong Chul Ye 在 ICCV 2025 发表的学术项目页面,官方网址为 https://vision-xl.github.io/。它提出仅用潜在扩散模型(latent diffusion models)求解高清视频逆问题的框架,并已开源代码、发布 arXiv 论文。

核心方法与能力

该项目针对已有视频逆问题求解器分辨率受限(256×256)且依赖光流估计器等额外预训练模块的问题,设计了伪批一致采样与伪批反转初始化。技术路径上,它不依赖任务专用的复原模型,而是以 SDXL 作为开源潜在扩散模型底座,通过多步 CG 在像素空间优化,再回编码到潜在空间。页面列出的能力包括去模糊(deblur)、超分辨率(super-resolution)与修复(inpainting),并可组合处理帧平均与多种空间退化。支持 768×1280、1280×768 与 1024×1024 等多种比例。

资源占用与适用对象

官方给出的效率数据是:25 帧视频约需 13GB 显存,处理时间在 2.5 分钟以内,可在单张 GPU 上完成高分辨率处理。这些条件说明它更适合有 GPU 环境的研究者、计算机视觉方向的学生与工程师,用于视频复原实验、论文复现或方法对比,而不是面向普通用户的在线视频修复工具。

访问前注意

该站点是学术项目主页,提供论文、代码入口与实验可视化,不提供网页端上传视频直接处理的交互服务。实际运行需要自行部署代码并准备相应显存环境。页面采用 CC BY-SA 4.0 许可,并基于 Academic Project Page Template 搭建。

VISION XL 相关问答

根据官网公开信息整理 · 最近核验 2026-10-19

VISION XL 能处理哪些视频逆问题?

页面说明它支持去模糊(σ=3.0)、超分辨率(x4)与修复(50%),并可组合帧平均进行多任务处理,覆盖多种空间退化场景。

运行 VISION XL 需要什么硬件条件?

官方数据为处理25帧视频约需13GB显存,时间在2.5分钟以内,可在单张GPU上完成高分辨率重建。

VISION XL 是否提供在线视频处理功能?

该页面为学术项目主页,提供论文、代码链接与可视化展示,不提供网页端上传视频在线处理的交互服务。

VISION XL 支持哪些分辨率与画面比例?

页面展示支持横版768x1280、竖版1280x768与方形1024x1024,基于SDXL实现多种比例的高清重建。

相关导航

暂无评论

none
暂无评论...