Réexamen de l'alignement temporel pour la restauration vidéo

L’alignement temporel à longue portée est crucial mais difficile pour les tâches de restauration vidéo. Récemment, certaines méthodes ont tenté de diviser cet alignement en plusieurs sous-alignements plus petits, traités progressivement. Bien que cette approche soit utile pour modéliser les correspondances éloignées, l’accumulation d’erreurs est inévitable en raison du mécanisme de propagation. Dans ce travail, nous proposons un nouveau module itératif généralisable pour l’alignement temporel, basé sur une stratégie de raffinement progressif des sous-alignements, permettant ainsi une compensation de mouvement plus précise. Pour renforcer davantage l’exactitude de l’alignement et la cohérence temporelle, nous avons développé une méthode de rééquilibrage non paramétrique, dans laquelle l’importance de chaque cadre voisin est évaluée de manière adaptative et spatialement explicite lors de l’agrégation. Grâce à ces stratégies innovantes, notre modèle atteint des performances de pointe sur plusieurs benchmarks, dans une variété de tâches de restauration vidéo, notamment la super-résolution vidéo, le débruitage et le déflouage. Le projet est disponible à l’adresse suivante : \url{https://github.com/redrock303/Revisiting-Temporal-Alignment-for-Video-Restoration.git}.