Заметка о новом методе удаления отражений из видео на основе диффузии

Исследователи представили работу From Synthesis to Removal: Physics-Grounded Reflection Simulation and Diffusion-Based Video Dereflection, опубликованную 12 августа 2026 года. Авторы описывают замкнутый фреймворк из трёх компонентов: S2R-Synthesis для генерации парных данных с отражениями и без них, S2R-Removal — первую диффузионную модель удаления отражений из видео, и S2R-Bench — первый бенчмарк для оценки качества такого удаления. Модель удаления адаптирует предобученный видеодиффузионный приор и восстанавливает чистое изображение за один шаг денойзинга. Код авторы не выкладывали.

Что это значит

Тема относится к разделу ИИ для видео, но напрямую с инструментами нашего справочника не пересекается. S2R-Removal — это модель восстановления видео, а не генератор. Она берёт испорченное отражениями видео и очищает его, тогда как LTX-Video, CogVideoX и Pyramid Flow создают новое видео по текстовому описанию или изображению. Косвенная связь есть: S2R-Synthesis использует обученный видеодиффузионный рендерер для генерации реалистичных отражений, а S2R-Removal адаптирует предобученный видеодиффузионный приор. Это показывает, что диффузионные архитектуры, лежащие в основе генераторов из нашего справочника, применимы и к задачам восстановления. Однако ни один из наших инструментов не предлагает функцию удаления отражений, и авторы новой работы не сообщают, какой именно видеодиффузионный приор они адаптировали. Практического применения для пользователей генераторов видео из нашего справочника пока нет: кода нет, весов нет, бенчмарк не опубликован. Работа остаётся на уровне исследовательской публикации.