基于扩散的视频去反射新方法简讯

研究人员提交了论文 From Synthesis to Removal: Physics-Grounded Reflection Simulation and Diffusion-Based Video Dereflection，发表于 2026 年 8 月 12 日。作者描述了一个由三个组件组成的闭环框架：S2R-Synthesis 用于生成带反射和不带反射的成对数据，S2R-Removal —— 首个用于去除视频反射的扩散模型，以及 S2R-Bench —— 首个用于评估此类去除质量的基准测试。该去除模型适配了预训练的视频扩散先验，并通过单步去噪恢复干净图像。作者未公开代码。

这意味着什么

该主题属于 AI 视频 板块，但与我们指南中的工具没有直接交集。S2R-Removal 是一个视频恢复模型，而非生成器。它接收被反射损坏的视频并对其进行清理，而 LTX-Video、CogVideoX（智谱 CogVideoX） 和 Pyramid Flow（快手 Pyramid Flow） 则根据文本描述或图像生成新视频。 存在间接联系：S2R-Synthesis 使用训练好的视频扩散渲染器来生成逼真的反射，而 S2R-Removal 则适配预训练的视频扩散先验。这表明，我们指南中生成器所基于的扩散架构同样适用于恢复任务。然而，我们的工具中没有任何一个提供去除反射的功能，而且新论文的作者也没有说明他们适配了哪个具体的视频扩散先验。 对于我们指南中视频生成器的用户来说，目前还没有实际应用价值：没有代码，没有权重，基准测试也未发布。这项工作仍停留在研究论文层面。