STAR 是一个基于文本到视频模型的实际场景视频超分辨率技术，由南京大学、字节跳动、西南大学联合开发，通过整合文本到视频扩散先验模型，提升了视频质量，并提供了开源实现。STAR（Spatial-Temporal Augmentation with Text-to-Video models for Real-world video super-resolution）是一个创新的框架，旨在提升现实世界视频超分辨率（VSR）的空间 - 时间质量。该框架首次将文本到视频（T2V）模型的强大扩散先验融入 VSR 中，以克服基于 GAN 的方法在处理复杂的现实世界降级问题时的过度平滑问题。
STAR 的核心在于引入了一个本地信息增强模块（LIEM），该模块位于全局注意力块之前，旨在丰富局部细节并减少降级伪影。此外，STAR 还提出了一个动态频率（DF）损失函数，用于在扩散步骤中不同地调节对高频和低频成分的约束，引导模型关注不同的频率分量，从而增强视频的保真度。通过这些创新，STAR 能够实现更加逼真的空间细节和更强的时间一致性。
https://nju-pcalab.github.io/projects/STAR/
网友回复
我知道答案，我要回答
私活外包
最新提问
如何破解绕开seedance2.0真人照片生成视频 限制？
python有哪些算法可以将视频中的每个帧图片去除指定区域水印合成新的视频？
iphone的激光雷达数据能否实时传输到three三维空间中？
豆包sora等ai视频生成大模型生成的视频水印如何去除？
python如何实现在电脑上拨号打电话给手机？
具身机器人与人形机器人区别？
nodejs如何将一个完整的js代码文件切割成不同的部分混淆后动态加载进入html运行？
为啥windows.onerror捕获js错误是这样的{"message":"Script error.","source":"","lineno":0,"colno":0,"stack":null,
2026年ai将全面接管编程？
WebMCP是干啥的？
