EGTM：基于事件引导的高效湍流消除
计算机视觉与模式识别
2025-09-05 v1
摘要
湍流消除（Turbulence Mitigation, TM）旨在消除大气湍流对帧采集相机引入的随机失真与模糊。现有最先进的深度学习 TM 方法从多个退化帧中提取湍流线索，以寻找“幸运”不失真的图像块进行“幸运融合”。然而，这需要高容量网络从同步帧之间粗糙的湍流动力学（受限于帧率）中学习，因而在计算和存储效率方面不足。事件相机具有微秒级的时间分辨率，具有高效稀疏和异步成像机制，潜在能从根本上解决这一瓶颈。基于此，我们（i）提出“事件幸运洞察”原理，揭示湍流失真与事件流反向时空分布之间的相关性。随后，基于该洞察，我们（ii）提出新颖的 EGTM 框架，从显式但噪声较大的湍流事件中提取像素级可靠的无湍流指导，以实现时空幸运融合。此外，我们（iii）构建了首个湍流数据获取系统，贡献了首个真实世界的事件驱动 TM 数据集。大量实验结果表明，我们的方法在模型规模、推理延迟和模型复杂度上分别比现有 SOTA TM 方法提升了 710 倍、214 倍和 224 倍，同时在真实世界的 EGTM 数据集上实现了恢复质量的 SOTA 成果（+0.94 PSNR 和 +0.08 SSIM），证明了引入事件模态至 TM 任务具有巨大的效率优势。演示代码和数据已上传至补充材料，并将在接受后公开。
引用
@article{arxiv.2509.03808,
title = {EGTM: Event-guided Efficient Turbulence Mitigation},
author = {Huanan Li and Rui Fan and Juntao Guan and Weidong Hao and Lai Rui and Tong Wu and Yikai Wang and Lin Gu},
journal= {arXiv preprint arXiv:2509.03808},
year = {2025}
}