Frames2Residual: 自己教師付きビデオデノイジングの時空デカップリング

本文: arXiv:2603.10417v1 発表タイプ: 新規 要旨: 自己教師付きビデオデノイジング手法は通常、画像ベースのフレームワークを時間的次元へ拡張しますが、帧間の時系列的一貫性とフレーム内の空間的特徴を統合するのが難しいことがよくあります。既存の Video Blind-Spot Networks (BSNs) は中心ピクセルをマスキングしてノイズ独立性を要求しますが、この制約は空間的証拠をテクスチャ回復に利用するのを妨げ、時空の相関を断ち切りテクスチャの喪失を招きます。これに対処するため、Frames2Residual (F2R) という時空デカップリングフレームワークを提案します。本手法は自己教師付き学習を2つの明確な段階、ブラインドな時間的一貫性モデリングと非ブラインドな空間テクスチャ回復へと明示的に分割します。第1段階では、ブラインドな時間推定器がフレーム単位のブラインド戦略を用いて帧間の一貫性を学習し、時系列的に一貫したアンカーを生成します。第2段階では、非ブラインドな空間リファイナーがこのアンカーを活用して中心フレームを安全に再導入し、時系列の安定性を保ちながらフレーム内の高周波空間残差を回復します。広範な実験は、提案するデカップリング戦略により F2R が sRGB および RAW 動画ベンチマークの既存の自己教師付き手法を上回ることを示しています。