面对视频质量对观看体验的直接影响，特别是面部细节的呈现，当前方法如简单应用超分辨率网络于面部数据集或独立处理每帧图像，往往难以兼顾面部重建的细节与时间一致性。为解决这一挑战，南洋理工大学研究团队推出了创新框架KEEP，利用卡尔曼滤波原理实现面部修复的“回忆”能力，显著提升修复过程中的面部细节一致性和连续性。KEEP框架由四个关键模块组成：编码器、解码器、卡尔曼滤波网络和跨帧注意力（CFA），构建基于变分量子生成对抗网络（VQGAN）的模型用于生成高清面部图像。卡尔曼滤波网络通过结合当前帧和前一帧的信息，形成准确的状态估计，增强图像清晰度。跨帧注意力模块进一步增强帧间关联性，确保视频播放的时效性和细节呈现。实验验证，KEEP在面部细节恢复和时间一致性保持方面表现出色，为面部视频超分辨率领域带来革新，显著提升观看体验。

BlazeBVD是一种新型去闪算法，通过自动化的方式在未知退化情况下快速消除视频闪烁效果，同时保全视频内容的完整性与色彩真实度，显著提升视频质量。关键通过尺度-时间均衡（STE）方法处理视频帧直方图，智能捕捉闪烁与局部曝光变化，实现了高效、快速的闪烁消除。其工作原理包括直方图辅助、STE滤波、全局和局部去闪模块，以及自适应时间一致性处理。BlazeBVD能够有针对性地修复光照变化和局部曝光问题，并通过网络优化保持视频质量与连贯性。相比现有技术，BlazeBVD在推理速度上提升10倍，显示出其卓越性能与广泛应用潜力。这项技术对视频后期制作领域具有革命性影响，适用于视频编辑、电影后期制作和视频内容生成等多个场景。