视频增强技术Noise Calibration（噪声校准）：使用预训练的视频扩散模型来改善视频质量，同时确保原始视频的内容保持不变

大连理工大学和腾讯AI实验室的研究人员推出视频增强技术“Noise Calibration（噪声校准）”，它使用预训练的视频扩散模型来改善视频质量，同时确保原始视频的内容保持不变。该技术通过少量迭代步骤，对初始随机噪声进行精炼，从而在很大程度上保留了原始视频的内容，而增强效果则实现了显著的进步。

• 项目主页：https://yangqy1110.github.io/NC-SDEdit
• GitHub：https://github.com/yangqy1110/NC-SDEdit

例如，你是一位视频博主，你拍摄了一段在海边散步的视频，但由于光线和相机的限制，视频看起来有些模糊和暗淡。使用Noise Calibration技术，你可以让这段视频变得更加生动和清晰，同时保持海滩、海浪和你的动作等原始内容不变。这样，你的观众就能享受到更加高质量的视觉体验了。

主要功能

1. 视频质量提升：提高视频的视觉质量，包括清晰度、色彩和流畅度。
2. 内容保持：在增强过程中，保持原始视频的内容不变，避免引入不相关的元素或改变原有结构。

主要特点

• 插拔式设计：作为一个独立的模块，可以轻松集成到现有的视频处理流程中。
• 无需额外训练：与需要大量训练数据和计算资源的方法不同，Noise Calibration不需要额外的训练或操作。
• 简单高效：通过几次迭代就能显著改善视频质量，同时保持内容的一致性。

工作原理

1. 引入噪声：首先在给定的视频中引入噪声，这是通过添加随机噪声来实现的。
2. 预训练模型去噪：使用预训练的视频扩散模型逐步去除噪声，恢复视频的清晰度和色彩。
3. 内容保持优化：通过一个特殊的损失函数来优化噪声，确保增强后的视频与原始视频在内容上保持一致。

具体应用场景

1. 视频修复：对于老旧或损坏的视频，Noise Calibration可以恢复其质量。
2. 视频美化：提高视频的视觉效果，使其更适合分享或商业使用。
3. 视频内容创作：帮助视频创作者在不改变视频原有内容的情况下，提升视频质量。