CVPR 2023 UG$^2$+ 挑战赛赛道 2.2 大气湍流下编码目标复原的第 1 名解决方案
计算机视觉与模式识别
2023-06-19 v1
摘要
在本技术报告中，我们简要介绍了我们 VIELab-HUST 团队在 CVPR 2023 UG+ 赛道 2.2 中针对大气湍流下编码目标复原任务提出的解决方案。在该任务中，我们提出了一种高效的多阶段框架，从失真帧中复原出高质量图像。具体而言，首先使用图像配准对每个失真帧进行对齐以抑制几何畸变。随后，采用基于图像锐度的帧选择方法挑选出最清晰的一组已配准帧，并将其平均以生成一幅基本无几何畸变但存在模糊的图像。接着，应用基于学习的去模糊方法来去除平均图像中的残余模糊。最后，利用后处理技术进一步增强输出图像的质量。我们的框架能够处理最终测试阶段提供的不同种类的编码目标数据集，并在最终排行榜上排名第 1。我们的代码将发布于 https://github.com/xsqhust/Turbulence_Removal。
引用
@article{arxiv.2306.09379,
title = {1st Solution Places for CVPR 2023 UG$^2$+ Challenge Track 2.2-Coded Target Restoration through Atmospheric Turbulence},
author = {Shengqi Xu and Shuning Cao and Haoyue Liu and Xueyao Xiao and Yi Chang and Luxin Yan},
journal= {arXiv preprint arXiv:2306.09379},
year = {2023}
}
备注
arXiv admin note: text overlap with arXiv:2306.08963