资讯摘要
论文提出 DeOverlay，一种源锚定流模型，从源潜变量出发、以固定源引导重建干净视频，并用区域加权流匹配训练共享速度网络，实现从中间状态逐步校正。作者还构建 DVTE-Bench，含 1,631 对视频、覆盖八类文字叠加，配有 OCR 筛选的干净目标与帧对齐像素掩码。作者报告该模型在五项重建与感知指标上均优于四个基线。
要点速读
- DeOverlay 采用源锚定流模型，以固定源引导从源潜变量重建干净视频，并通过区域加权流匹配训练共享速度网络。
- 提出可见性归一化时间聚合，排除被掩码位置并对剩余观测取平均，以选取局部源线索。
- DVTE-Bench 包含 1,631 对视频、八类文字叠加，作者报告 Mask LPIPS 与 Mask VFID 分别较最强基线降低 58.3% 和 70.3%。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/20 23:23:00（北京时间）。