BurstDeflicker：动态场景闪烁移除基准数据集

在短曝光图像中，滚动快门相机的行级曝光机制与交流 (AC) 供电灯光的时变强度相互作用会导致闪烁伪影。这些伪影通常表现为图像中不均匀的亮度分布，形成明显的暗色条纹。除了影响图像质量之外，这种结构性噪声还会影响目标检测和跟踪等高层次任务，其中可靠的灯光条件至关重要。尽管闪烁问题十分常见，但缺乏大规模真实数据集一直是阻碍闪烁移除研究发展的重要瓶颈。为此，我们提出BurstDeflicker，一个可扩展的基准数据集，采用三种互补的数据获取策略。首先，我们开发了基于Retinex模型的综合管道，重新定义了闪烁移除的目标，并实现了对关键闪烁相关属性（如强度、面积和频率）的可控调制，从而促进了多样化闪烁模式的生成。其次，我们从不同场景中采集了4000幅真实闪烁图像，帮助模型更好地理解真实闪烁伪影的空间和时间特征，进而更有效地泛化到野外场景。最后，由于动态场景的不可重复性，我们提出一种绿幕方法，将运动引入图像对中，同时保持真实的闪烁降解。全面实验表明，我们的数据集和方法均有效，具有推动闪烁移除研究发展的潜力。