用于连续时空视频超分辨率的残差运动 Splatting

基于摘要分析。本文研究连续时空视频超分辨率：从低分辨率、低帧率视频生成任意空间尺度和时间位置的高分辨率视频。核心贡献是预测连续亚像素运动轨迹，并将低分辨率特征直接投射融合到高分辨率网格，使时间插值与多帧超分辨率成为同一操作。 作者指出，部分现有方法先在低分辨率下对齐融合，再回归连续高分辨率表示；另一些方法先把各帧插值到输出分辨率，再执行 Splatting。两类流程都在融合前重采样单帧信息，可能损失多帧观测之间的亚像素位置关系。本文尝试恢复经典多帧超分辨率依靠精确对齐、累积互补采样来恢复细节的机制。 具体而言，方法利用全视频序列整合的特征预测逐像素连续轨迹，以平滑残差运动修正线性光流路径，估计未观测时刻的亚像素位置。随后，在学习得到的潜在空间中，按预测位置将相邻低分辨率帧的特征直接 Splatting 到高分辨率网格，并使用预测的可见性权重处理遮挡与投射空洞，最后由解码器消解剩余歧义。轨迹参数化、训练损失及解码器结构尚未验证。 作者报告，在多个标准基准上，重建保真度与感知质量均优于所比较的现有先进方法，运行速度最高可快一个数量级；摘要未提供基准名称、具体指标、对照方法、输出尺度、硬件或计时条件，不能据此确定收益的适用范围。实验协议、消融及统计信息尚未验证，复现时需重点核对亚像素定位、可见性加权及融合顺序的独立作用。该研究的主要对象是视频重建，材料未提供 EEG 或 BCI 有效性的证据。