本文介绍被 ICLR 2026 录用的 LiveMoments，首个针对 Live Photo 重选封面帧画质修复的参考引导扩散模型，利用原始高清封面帧修复低质重选帧。
📝 详细摘要
本文介绍了 vivo BlueImage Lab 与南开大学联合提出的 LiveMoments 模型，该工作已被 ICLR 2026 接收。文章从手机摄影中 Live Photo 重选封面帧画质降级的真实痛点出发，首次系统性地定义了「基于原始封面帧参考的 Live Photo 重选封面帧修复」这一新任务。LiveMoments 利用 Live Photo 自带的原始高清封面帧作为参考，构建了一个包含运动对齐模块的参考引导扩散模型，有效解决两帧之间因时间偏移产生的运动错位问题，将低质的重选帧修复至高清水平。文章详细阐述了任务背景、与传统参考超分（RefSR）和视频超分（RefVSR）的区别、模型的技术逻辑（扩散模型基础 + 运动对齐模块），并展示了在真实场景数据集上的定量与定性实验结果，证明其超越现有方法。
💡 主要观点
- LiveMoments 首次系统性地定义了 Live Photo 重选封面帧修复这一新任务。 该任务利用同一 Live Photo 序列中的原始高清封面帧作为参考，修复用户重选的低质封面帧，区别于依赖外部数据库的传统参考超分和需要处理整段视频的视频超分方法。
💬 文章金句
- LiveMoments，首个专门针对 Live Photo 重选封面帧画质修复的解决方案。
- 该方法有效解决了两帧之间因时间偏移产生的运动错位问题，成功将低质的重选帧修复至高清水平，让用户捕捉的每一瞬间都能拥有「封面级」的清晰度与细节。
📊 文章信息
AI 初评：84
来源：vivo互联网技术
作者：vivo互联网技术
分类：人工智能
语言：中文
阅读时间：12 分钟
字数：2819
标签： 扩散模型, 图像修复, 计算摄影, ICLR, AI 产品与应用