HuggingFace镜像/SeedVR2-7B
模型介绍文件和版本分析
下载使用量0
SeedVR

SeedVR2:基于扩散对抗后训练的一步式视频修复方案

王建一, 林善川, 林志杰, 任雨溪, 魏萌, 岳宗胜, 周尚辰, 陈昊, 赵阳, 杨策元, 肖雪峰, 罗志强, 姜璐

SeedVR官网 SeedVR2论文预印本 Github SeedVR模型集 SeedVR2演示空间 SeedVR2视频演示

> > 当前基于扩散模型的视频修复技术虽在画质上取得显著突破,但推理时的计算成本令人望而却步。尽管部分蒸馏方案已展示出单步图像修复的潜力,将其扩展至视频领域仍面临巨大挑战——现有方法受限于生成能力不足与时序连贯性差的问题,在处理真实场景的高清视频时尤为明显。本研究提出名为SeedVR2的单步扩散式视频修复模型,通过对抗训练机制学习真实数据分布。为攻克单步处理高清视频的难题,我们在模型架构与训练流程上进行了多重创新:首先提出自适应窗口注意力机制,动态调整窗口尺寸以匹配输出分辨率,规避了固定窗口尺寸在高清修复时出现的窗口不连贯现象;其次针对视频修复的对抗后训练,系统验证了包括新提出的特征匹配损失在内的多种损失函数的有效性,在保证训练效率的同时显著提升稳定性。大量实验表明,SeedVR2仅需单步推理即可达到甚至超越现有视频修复方案的效果。

📮 重要说明

局限性声明: 当前发布为原型模型,性能可能与论文存在细微差异。本方法对严重退化与剧烈运动场景的鲁棒性有待提升,与现有方案存在部分共性缺陷(如无法彻底消除退化痕迹或生成不自然细节)。此外,由于生成能力较强,在处理轻度退化内容(如720p AIGC视频)时可能出现细节过度增强现象,偶见锐化过度的情况。

✍️ 引用声明

@article{wang2025seedvr2,
      title={SeedVR2: One-Step Video Restoration via Diffusion Adversarial Post-Training},
      author={Wang, Jianyi and Lin, Shanchuan and Lin, Zhijie and Ren, Yuxi and Wei, Meng and Yue, Zongsheng and Zhou, Shangchen and Chen, Hao and Zhao, Yang and Yang, Ceyuan and Xiao, Xuefeng and Loy, Chen Change and Jiang, Lu},
      booktitle={arXiv preprint arXiv:2506.05301},
      year={2025}
   }
@inproceedings{wang2025seedvr,
      title={SeedVR: Seeding Infinity in Diffusion Transformer Towards Generic Video Restoration},
      author={Wang, Jianyi and Lin, Zhijie and Wei, Meng and Zhao, Yang and Yang, Ceyuan and Loy, Chen Change and Jiang, Lu},
      booktitle={CVPR},
      year={2025}
   }

📜 许可证声明

SeedVR 与 SeedVR2 均遵循 Apache 2.0 开源协议授权。