VISION XL ist ein Framework zur Lösung inverser Probleme bei hochauflösenden Videos mithilfe eines latenten Diffusionsmodells. Durch eine Pseudo-Batch-konsistente Stichprobenstrategie und eine Batch-konsistente Inversionsmethode werden die Effizienz und die Verarbeitungszeit von Videos optimiert. Es unterstützt mehrere Skalierungen und Rekonstruktionen mit hoher Auflösung. Zu den Hauptvorteilen gehören die Unterstützung von Multi-Scale- und hochauflösenden Rekonstruktionen, die Effizienz hinsichtlich Speicherplatz und Stichprobenzeit sowie die Verwendung des Open-Source-latenten Diffusionsmodells SDXL. Durch die Integration von SDXL erzielt es modernste Videorekonstruktionen bei verschiedenen räumlich-zeitlichen inversen Problemen, einschließlich komplexer Frame-Averaging und Kombinationen verschiedener räumlicher Artefakte wie Entzerrung, Superauflösung und Reparatur.