数字云台：基于可学习曝光时间的端到端深度图像稳定
计算机视觉与模式识别
2021-11-25 v4 图像与视频处理
摘要
使用驱动云台的机械式图像稳定能够在拍摄长曝光照片时避免由相机运动引起的模糊。然而，这些设备通常体积笨重且价格昂贵，限制了其广泛应用。在本工作中，我们提出从高速非稳定相机的输入 digitally 模拟一个机械稳定系统。为利用长曝光下的运动模糊与短曝光下的低信噪比之间的权衡，我们训练了一个 CNN，通过聚合一组由未知运动关联的含噪短曝光帧来估计一幅清晰的高信噪比图像。我们进一步建议以端到端方式学习该连拍的曝光时间，从而在各帧间平衡噪声与模糊。我们在合成数据与真实数据上均展示了该方法相对于去模糊单幅图像或去噪固定曝光连拍这一传统方法的优势。
引用
@article{arxiv.2012.04515,
title = {Digital Gimbal: End-to-end Deep Image Stabilization with Learnable Exposure Times},
author = {Omer Dahary and Matan Jacoby and Alex M. Bronstein},
journal= {arXiv preprint arXiv:2012.04515},
year = {2021}
}
备注
CVPR 2021