元の名称記録: 拓攻（南京）机器人有限公司

本发明涉及视频处理技术领域，为避免光流对齐误差，以及无人机算力有限的问题，提出一种用于无人机的基于扩散模型的视频超分辨率重建方法，包括视频压缩与模糊退化建模以及视频扩散变换器模型构建，在迭代优化并进行观测一致性校正；将迭代优化后的潜在表示通过解码器还原为高分辨率视频帧，完成超分辨率重建。同时本发明带宽需求降低，弱网适配性更佳。由于采用了所述技术方案，在低维潜在空间中实现了高分辨率视频的精准重建。从而彻底解决了传统方法中因运动估计误差导致的边缘伪影问题，显著提升了重建视频的清晰度和自然感。

本发明涉及图像处理技术领域,为解决现有技术中图像运动模糊消除的时延较长的问题，本发明一种确保低时延的扩散模型的图像运动模糊消除方法，首先利用向量量化生成对抗网络将输入模糊图像编码为低维潜在表示，并通过解码器实现像素级重建；动态调整压缩策略以减少潜在空间冗余；在扩散迭代阶段采用分阶段蒸馏与频率域剪枝相结合的加速策略，实现粗去噪与精校正的双阶段高效迭代；在解码阶段结合运动目标检测与多模态先验信息，实施时空稀疏解码；在迭代控制环节采用多维度融合的弹性终止机制判断收敛状态，最终输出已消除模糊的图像。避免显式估计空间卷积核，显著提升了模型的泛化性和鲁棒性。

本发明涉及视频处理技术领域，包括一种用于无人机的扩散模型的视频预测方法，适用于无人机拍摄的视频中帧缺失、帧间插值、关键帧补全场景。包括视频压缩与丢帧退化建模：使用向量量化生成对抗网络对原始视频序列进行压缩，在潜在空间中模拟这一退化过程；视频扩散变换器模型构建后，从标准正态分布中随机采样，得到初始噪声化的潜在表示；迭代优化并进行观测一致性校正；将迭代优化后的潜在表示通过解码器还原为完整视频帧，完成对缺失视频帧的预测与补全。通过视频扩散变换器的自注意力机制自动学习时空关系，无需依赖光流等传统对齐模块以避免对齐误差导致的预测失真，可直接通过无人机机载硬件设备处理视频中任意位置的帧缺失。