SVFR (Stable Video Face Restoration) é uma estrutura unificada para restauração generalizada de rostos em vídeo. Ela integra as tarefas de restauração de rosto em vídeo (BFR), coloração e reparo, aproveitando o poder de geração e as informações de movimento prévias do Stable Video Diffusion (SVD), combinadas com informações específicas da tarefa em uma estrutura unificada de restauração facial. Isso combina eficazmente as vantagens complementares dessas tarefas, melhorando a coerência temporal e alcançando uma qualidade de restauração excepcional. A estrutura introduz embeddings de tarefas aprendíveis para melhorar o reconhecimento de tarefas e emprega uma nova regularização latente unificada (ULR) para encorajar o aprendizado compartilhado de representações de características entre diferentes subtarefas. Além disso, o aprendizado de priori facial e o refinamento auto-referenciado são introduzidos como estratégias auxiliares para melhorar ainda mais a qualidade da restauração e a estabilidade temporal. O SVFR alcançou resultados de ponta na área de restauração de rostos em vídeo e estabeleceu um novo paradigma para a restauração generalizada de rostos em vídeo.