低ランク背景抑制のための核（Nuclear）拡散モデル：動画向け

arXiv cs.CV / 2026/4/27

💬 オピニオンIdeas & Deep AnalysisModels & Research

共有:

要点

本論文は、動画の復元において、動的な内容を隠してしまう構造化されたノイズや背景アーティファクトが障害になる問題を扱っています。
伝統的なロバスト主成分分析（RPCA）では、実動画に存在する複雑なばらつきを捉えるうえで「疎性（sparsity）」の仮定が合わない場合があると指摘しています。
著者らは「Nuclear Diffusion」というハイブリッド手法を提案し、低ランクの時間モデリングと拡散の事後サンプリングを組み合わせて時間方向の構造表現を強化します。
心臓超音波のディヘイジング（haze除去）という実データの医用画像タスクで、RPCAよりも復元性能が向上し、コントラスト改善（gCNR）と信号保持（KS統計）の両面で優れた結果を示しました。
モデルベースの時間事前分布と深層生成（拡散）事前分布を組み合わせることで、高忠実度な動画復元が可能になることを示唆しています。