FilterFusion
一种面向实时视频去噪的轻量级模型，采用低分辨率控制器与全分辨率可解释滤波器组融合的架构，在CPU单线程上实现1080p实时去噪。
时间轴 (近 90 天)
FilterFusion 是一个仅 109K 参数的视频去噪模型，在 CPU 单线程上处理 1080p 视频可达 55.9 FPS。
FilterFusion 在 CRVD 数据集上达到 34.72 dB PSNR 和 0.9330 SSIM。
FilterFusion 网络本身的计算量为 0.18 GFLOPs。
FilterFusion 在 1080p 分辨率、单 CPU 线程条件下推理速度为 17.9ms 每帧。
FilterFusion 的架构采用低分辨率控制器加全分辨率滤波器组，将昂贵决策放在低分辨率上、便宜合成放在原始分辨率上。
FilterFusion 的低分辨率控制器显式注入时间方差和空间方差两种先验线索。
FilterFusion 的滤波器组包含高斯模糊、中值滤波、加权求和等经典操作。
FilterFusion 的合成路径用 C 语言编译实现后在 CPU 上高效执行，不依赖 GPU 加速或专用推理框架。
FilterFusion 的推理速度比需要 2 秒以上处理单帧的轻量 CNN 基线快 122 到 252 倍。
FilterFusion 目前主要在 CRVD 数据集上验证，面对更复杂的真实场景时滤波器组的表现是否稳健还需进一步观察。
全部知识事实 (10)
FilterFusion 是一个仅 109K 参数的视频去噪模型，在 CPU 单线程上处理 1080p 视频可达 55.9 FPS。
50%待验证FilterFusion 在 CRVD 数据集上达到 34.72 dB PSNR 和 0.9330 SSIM。
50%待验证FilterFusion 网络本身的计算量为 0.18 GFLOPs。
50%待验证FilterFusion 在 1080p 分辨率、单 CPU 线程条件下推理速度为 17.9ms 每帧。
50%待验证FilterFusion 的架构采用低分辨率控制器加全分辨率滤波器组，将昂贵决策放在低分辨率上、便宜合成放在原始分辨率上。
50%待验证FilterFusion 的低分辨率控制器显式注入时间方差和空间方差两种先验线索。
50%待验证FilterFusion 的滤波器组包含高斯模糊、中值滤波、加权求和等经典操作。
50%待验证FilterFusion 的合成路径用 C 语言编译实现后在 CPU 上高效执行，不依赖 GPU 加速或专用推理框架。
50%待验证FilterFusion 的推理速度比需要 2 秒以上处理单帧的轻量 CNN 基线快 122 到 252 倍。
50%待验证FilterFusion 目前主要在 CRVD 数据集上验证，面对更复杂的真实场景时滤波器组的表现是否稳健还需进一步观察。
50%