共计 840 个字符，预计需要花费 3 分钟才能阅读完成。
近日，韩国蔚山国立科学技术院（UNIST）人工智能研究生院的 Jaejun Yoo 教授领导的研究团队宣布开发了一种名为“BF-STVSR（基于双向流的时空视频超分辨率）”的先进人工智能模型。该模型能够同时提升视频的分辨率和帧率，为视频修复技术带来了重大突破。
这项研究由第一作者 Eunjin Kim 主导，Hyeonjin Kim 担任合著者。他们的研究成果于 6 月 11 日至 15 日在美国纳什维尔举行的计算机视觉与模式识别会议（CVPR 2025）上展示，并已发布在 arXiv 预印本服务器上。
视频质量的核心指标是分辨率和帧率。更高的分辨率能够呈现更清晰的图像和更细腻的视觉效果，而更高的帧率则能确保更流畅的运动，避免画面卡顿。传统的基于 AI 的视频修复技术通常分别处理分辨率和帧率的提升，并严重依赖预训练的光流预测网络进行运动估计。光流通过计算物体运动的方向和速度来生成中间帧，但这种方法涉及复杂的计算，且容易累积误差，限制了视频修复的速度和质量。
相比之下，BF-STVSR 模型引入了针对视频特性的信号处理方法，使模型能够独立学习帧之间的双向运动，而无需依赖外部光流网络。通过联合推断物体轮廓和运动流，该模型有效地同时提升了分辨率和帧率，从而实现了更自然和连贯的视频重建。
在实际应用中，BF-STVSR 模型在处理低分辨率、低帧率的视频时表现优异。通过更高的峰值信噪比（PSNR）和结构相似性指数（SSIM）得分，该模型证明了其能够保留清晰、不失真的人物形象和细节，即使是运动幅度较大的视频也能产生更真实的效果。
Yoo 教授表示：“这项技术具有广泛的应用前景，从修复由低端设备拍摄的监控摄像头或黑匣子录像，到快速增强压缩的流媒体视频以制作高质量媒体内容。此外，它还能在医学成像和虚拟现实（VR）等领域带来显著益处。”
更多信息可参考：Eunjin Kim 等人，BF-STVSR：B 样条和傅里叶 - 高保真时空视频超分辨率的最佳伙伴，arXiv (2025). DOI: 10.48550/arxiv.2501.11043
