摘要
视频流通过持续传输的方式进行分发，以节省存储成本和设备内存占用。为去除视频拍摄与传输过程中引入的噪声，通常在用户端设备上采用实时去噪算法。然而，基于滑动窗口的方法需将多个输入帧用于生成单个输出帧，计算效率较低。近期的多输出推理方法虽采用并行或循环框架传播双向时间特征，但要么在视频片段的时间边界处性能下降，要么无法实现在线推理。本文提出一种双向流式视频去噪（Bidirectional Streaming Video Denoising, BSVD）框架，能够在具备过去与未来时间感受野的前提下，实现高保真度的实时视频流去噪。尽管在MoViNet中双向时间融合难以适用于在线推理，但我们引入了一种新型的双向缓冲模块（Bidirectional Buffer Block）作为BSVD的核心组件，使其在流水线式推理过程中成为可能。此外，本方法结构简洁、灵活，适用于非盲去噪与盲去噪两种场景。我们在合成噪声和真实噪声数据上，对所提模型与多种前沿视频去噪方法进行了定性和定量对比，结果表明，本方法在重建保真度和运行效率方面均优于现有方法。相关源代码已公开，地址为：https://github.com/ChenyangQiQi/BSVD。