单热点调制的双路径视频快照压缩成像中的一种-step 回归加一-step 扩散方法
计算机视觉与模式识别
2025-12-22 v1
摘要
视频快照压缩成像（SCI）通过二维快照捕获动态场景序列，本质上依赖于光学调制进行硬件压缩和相应的软件重建。虽然基于随机二进制调制的主流视频 SCI 已成功实现，但不可避免地在压缩过程中导致时域别名。单热点调制每个像素仅激活一个子帧，提供了实现完美时域解耦的前景，从而缓解了别名问题。然而，目前尚无算法能充分发挥其潜力。为填补这一空白，我们提出了专为单热点掩码设计的算法。首先，利用单热点调制的解耦特性，我们将重建任务转化为生成视频填充问题，并引入与硬件压缩过程相匹配的随机微分方程（SDE）的前向过程。随后，我们识别了纯扩散方法在视频 SCI 中的局限性，提出一种新型框架，将一种-step 回归初始化与一种-step 扩分 refinement 结合。此外，为缓解单热点调制造成的空间退化，我们在硬件层面实现双光路，利用另一条路径的互补信息来增强填充后的视频。就我们所知，这是首个将扩散方法集成到视频 SCI 重建中的工作。在合成数据集和真实场景上的实验表明，我们的方法有效。
引用
@article{arxiv.2512.17578,
title = {3One2: One-step Regression Plus One-step Diffusion for One-hot Modulation in Dual-path Video Snapshot Compressive Imaging},
author = {Ge Wang and Xing Liu and Xin Yuan},
journal= {arXiv preprint arXiv:2512.17578},
year = {2025}
}