실제 원자력 발전소 수중 환경에서 고에너지 입자 방사선 노이즈로 인해 발생하는 영상 심각한 열화 문제를 해결하기 위해, 페어로 된 선명한 샘플과 전문 훈련 데이터에 대한 의존도를 줄이고 수중 점검 시 시각 정보 활용성을 향상시키기 위한 제로샷 학습 기반 수중 비디오 노이즈 제거 방법을 제안한다. 사전 학습된 이미지 복원 확산 모델을 기반으로 저품질 노이즈 비디오를 배치 처리하고, 키 프레임을 참조 입력으로 선택한다; 노이즈 제거 초기 단계에서는 계층적 잠재 변형과 광류 정렬을 통해 전역 구조 제약과 국소 운동 제약을 구축하며; 노이즈 제거 중후기 단계에서는 혼합 흐름 기반 공간 인지 마커 합병 전략을 도입하여, 다운샘플링 단계에서 광류 매칭을 통해 운동 일관성을 유지하고, 업샘플링 단계에서 공간 제약 유사도를 결합해 구조 세부사항을 보존하며, 합병 비율 어닐링 메커니즘을 적용해 시간 일관성과 세부 충실도를 동적으로 균형 조정한다. 수집된 실제 원자력 발전소 수중 노이즈 비디오 데이터셋에서 제안된 방법은 MaxVQA, CLIPVQA 및 E_warp에서 각각 34.2, 0.97 및 1.2의 성능을 보였으며, 비교 영상 복원 및 노이즈 제거 방법보다 우수하다. 이 방법은 주석 처리된 훈련 데이터와 선명한 참조 비디오가 부족한 원자력 발전소 수중 환경에서 효과적인 비디오 노이즈 제거를 구현할 수 있으며, 수중 광학 영상 품질 향상, 영상 지능 분석 및 장비 결함 검출에 기술적 지원을 제공한다.

핵 방사선;제로샷 학습;수중 비디오 노이즈 제거;확산 모델;마커 합병