基于连续曝光时间建模的真实大气湍流合成
计算机视觉与模式识别
2026-03-04 v2
摘要
大气湍流通过引入几何扭曲和与曝光时间相关的模糊，显著降低长距离成像的效果，这不仅影响视觉质量，也影响高层次视觉任务的性能。现有方法合成湍流效果时常简化了模糊与曝光时间之间的关系，通常假设固定或二元的曝光设置，导致合成数据不够真实，训练模型的泛化能力受限。为此，我们重新审视了调制传递函数(MTF)的公式，提出一种基于连续曝光时间的 MTF(ET-MTF)，将模糊建模为曝光时间的连续函数。为实现模糊合成，我们从 ET-MTF 推导出倾斜不变的点扩散函数(PSF)，该函数结合空间变动的模糊宽度场，提供了对湍流引起的模糊的全面且物理准确的表征。基于此合成流程，我们构建了 ET-Turb 数据集，显式包含跨多种光学和大气条件下的连续曝光时间建模。该数据集包含 5,083 个视频(2,005,835 帧)，其中 3,988 个用于训练，1,095 个用于测试。广泛实验表明，在 ET-Turb 上训练的模型在真实世界湍流数据上生成更真实的恢复结果，泛化能力优于其他数据集。数据集已公开于 github.com/Jun-Wei-Zeng/ET-Turb。
引用
@article{arxiv.2603.01398,
title = {Continuous Exposure-Time Modeling for Realistic Atmospheric Turbulence Synthesis},
author = {Junwei Zeng and Dong Liang and Sheng-Jun Huang and Kun Zhan and Songcan Chen},
journal= {arXiv preprint arXiv:2603.01398},
year = {2026}
}
备注
Accepted to CVPR 2026!