DeOverlay：用于移除视频叠加内容的基准与源锚定方法
DeOverlay是一种基于流匹配的方法，用于移除视频中的字幕、标题、标志和贴纸，同时保留周围场景。该方法利用原始视频中的信息重建被遮挡区域，并结合经过可见性归一化的时间聚合、全局上下文和编辑区域嵌入。研究人员还推出了DVTE-Bench，包含来自八类文字叠加内容的1,631组配对视频、经OCR筛选的干净目标、逐帧对齐的像素掩码以及统一的评估协议。在完整基准测试中，DeOverlay在五项重建和感知指标上均优于四种基线方法。与表现最强的基线相比，其Mask LPIPS和Mask VFID分别降低了58.3%和70.3%。完整基准、评估代码及测试输出计划公开。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。