arXiv 于 2026 年 5 月 28 日收录了编号为 2605.30431v1 的新论文《DTG-Restore: Training-Free Diffusion Refinement for Generative Video Super-Resolution》，作者为 Hidir Yesiltepe 及另外六位合作者，隶属计算机视觉与模式识别（cs.CV）分类。论文提出一种无需额外训练的视频修复与超分辨率框架，目标是在不重新训练扩散模型的前提下，利用现有视频扩散模型所蕴含的生成先验，改善低分辨率或存在畸变的视频。
研究出发点在于：尽管视频扩散模型近年来在生成保真度上取得显著进展，但把这些先验用于修复任务仍受制于一个结构性障碍，即标准无分类器引导（classifier-free guidance）中条件分支与无条件分支之间的强耦合。作者认为，这种耦合使得模型在采样过程中容易复制源视频中的扭曲内容，从而削弱修复效果。
为此，论文提出“解耦时间引导”（Decoupled Time Guidance，DTG）。其核心做法是在时间维度上分离两类信号：无条件分支不再与条件分支在同一扩散时间步上评估，而是在一个更干净的扩散时间步上运行，从而提供一个具有“前瞻”性质的先验。该先验有助于保持几何结构，同时抑制对扭曲内容的复刻。作者进一步让这种时间偏置在整个采样过程中逐步退火，使模型能够从结构校正平滑过渡到细节精修，而全过程无需任何再训练。
在系统设计上，DTG 可以与任意现成的修复模块以即插即用的方式组合，形成完整的视频修复与超分辨率流程。作者报告称，该方法对 AI 生成视频和真实世界视频均能提升感知连贯性，并恢复出合理的结构。
为便于评估，研究团队构建了 GenWarp480 基准，包含 4,400 段由多种文本到视频模型合成的 480p 失真视频。该基准专门针对生成式退化，例如面部扭曲、身体错位和空间伪影，为衡量方法对生成错误的鲁棒性提供了定制化测试平台。论文摘要指出，大量实验表明该方法在结构保真度和时间稳定性方面均取得显著提升，且全程不涉及任何模型训练。
论文于 2026 年 5 月 28 日 18:00:14 UTC 提交，全文大小约 27,529 KB，提供 PDF、实验性 HTML 与 TeX 源码等访问形式，DOI 为 10.48550/arXiv.2605.30431，由 DataCite 发放（登记待完成）。