影视视频修复项目集 · Video Restoration Portfolio
影视与历史影像修复、增强及超高清升级的代表项目集：涵盖电影、电视剧、纪录片等类型的降噪、复原、超分辨率与 4K 增强，时间跨度 2015 年至今。
- 10+ 年计算机视觉与图像 / 视频处理实践：长期参与电影、电视剧、纪录片及历史影像的修复、增强与超高清升级，覆盖多类型实际生产项目
- 完整的视频复原技术能力：覆盖去噪、缺陷修复、去模糊、超分辨率、色彩恢复及视频时序一致性等核心任务
- 算法研发与工程落地并重：从数据构建、模型训练、效果评估，到 GPU 加速、批量处理、质量控制及项目交付，形成完整的生产实践能力
- 持续技术演进与创新：从早期 CNN 图像复原逐步发展至 Transformer、参考信息引导和端到端视频复原，并参与多个实际项目及智能修复技术研发
项目概述Overview
长期从事计算机视觉与图像 / 视频处理相关算法研发，参与电影、电视剧、纪录片及历史影像的数字化修复与画质增强。
技术方向从早期的图像降噪、缺陷修复和深度学习图像复原，逐步扩展到 CNN、Transformer、参考引导修复、超分辨率、时序一致性以及端到端视频复原。
在算法研发之外，也参与数据集构建、模型评估、GPU 算力规划、批量任务处理和生产质量控制，将算法从实验环境落地到大规模视频处理场景。
代表项目Featured Project
Featured Project · 代表案例
黑龙江省广播电视局｜老旧剧集 4K 画质修复升级
2023.12 – 2024.06
面向黑龙江省广播电视局历史节目资源开展老旧剧集 4K 超高清修复升级，对标实际播出与资源库建设需求，参与制定修复标准、处理流程及质量评价要求。
针对历史视频中的噪声、模糊、细节缺失及色彩失真等问题，负责图像增强与视频修复算法研发，通过模型训练与参数优化持续改善修复效果；同时参与 GPU 资源规划、批量任务处理及成果质量控制。
基于深度学习图像复原、Transformer、U-Net 及参考信息引导等技术开展算法研发，建立从数据处理、模型训练、批量 GPU 处理到最终质量验收的完整工程流程。
Historical Video
↓
Pre-processing
↓
Degradation Analysis
↓
Reference-guided Restoration
↓
Transformer + U-Net
↓
Super Resolution
↓
Temporal / Quality Control
↓
GPU Batch Processing
↓
4K UHD Output
技术演进Technical Evolution
核心能力Core Capabilities
图像复原 Image Restoration
- 图像去噪 · Image Denoising
- 缺陷修复 · Defect Removal
- 去模糊 · Deblurring
- 画质增强 · Image Enhancement
视频修复 Video Restoration
- 时序一致性 · Temporal Consistency
- 视频去噪 · Video Denoising
- 逐帧修复 · Frame-level Restoration
- 长视频处理 · Long-form Video Processing
超分辨率 Super Resolution
- 分辨率增强 · Resolution Enhancement
- 4K 修复 · 4K Restoration
- 参考引导重建 · Reference-guided Reconstruction
深度学习 Deep Learning
- CNN
- U-Net
- Transformer
- 感知优化 · Perceptual Optimization
数据集工程 Dataset Engineering
- 退化模拟 · Degradation Simulation
- 训练集构建 · Training Dataset
- 评估集 · Evaluation Dataset
- 质量评估 · Quality Assessment
生产工程 Production Engineering
- GPU 处理 · GPU Processing
- 批量调度 · Batch Scheduling
- 大规模媒体处理 · Large-scale Processing
- 质量控制 · Quality Control
代表性项目Selected Production Projects
《本命年》电影画质升级翻新
针对老电影胶片素材中的噪声、模糊与色彩退化问题开展画质升级与翻新处理，负责图像降噪、画质增强算法调试、素材预处理及效果迭代，完成翻新成片输出。
中影数字基地 / 北京电影资料馆馆藏老电影修复
面向馆藏胶片老电影开展数字化修复，处理霉斑、划痕、颗粒噪声、帧闪烁、画面抖动等典型胶片损伤；负责图像修复与视频增强算法研发调优，并参与数据集构建、效果评估和批量处理质量控制。
《军师联盟》剧集画质增强
针对剧集素材噪声特征开展视频降噪和画质增强算法适配，进行空间与时序联合处理及效果迭代。
《厉害了，我的国》历史镜头修复
针对影片中的历史档案镜头进行画质修复和清晰度增强，处理模糊、噪声及色彩偏差等问题，并完成多轮效果优化。
广东广播电视台剧集与纪录片修复
面向老剧集和历史纪录片开展批量画质修复与增强，针对老素材噪声和色彩失真进行算法适配、参数调优和批量输出质量控制。
华数数字电视传媒纪录片修复
针对不同来源纪录片素材的退化特征进行视频复原、去噪与色彩还原。
海南影视 / 琼剧历史素材修复
针对老录像带、历史纪录片及传统戏曲影像进行视频降噪、色彩校正和超分辨率增强。
研究与创新Research & Innovation
时光裂痕：智能修复唤醒沉睡的记忆
2024 – 2025 · AI-powered Video Restoration
面向老旧影视资料研发端到端智能修复计算平台，探索从缺陷修复到超分辨率增强的一体化视频复原方案。
Cascade Deep Neural Networks
↓
Restoration + Super Resolution
↓
Perceptual Loss
↓
Semantic Prior
↓
Temporal Illumination Consistency
↓
Video Restoration
参与级联深度神经网络模块调优、修复与超分模块级联调试、帧间光照一致性约束优化，并参与高层语义先验、数据集构建、模型验证和算法模块落地。
个人角色：核心算法人员 · 项目答辩主讲人
影视媒体修复与视觉质量提升
基于级联深度神经网络和高层语义信息
参与基于级联深度神经网络和高层语义信息的影视媒体修复与视觉质量提升项目，围绕影视媒体缺陷修复、视觉质量增强等方向参与算法研发与项目实施。
个人角色：项目参与人
长期技术实践Long-term Practice
长期参与历史影视、老照片及音视频资料的智能修复与画质增强，持续迭代 CNN、Transformer 等图像复原模型，并围绕模拟退化数据、模型训练、效果评估、GPU 处理和质量控制建立可复用的算法与工程流程。