高质量高效的湍流消除
计算机视觉与模式识别
2026-03-24 v1
摘要
湍流消除（TM）高度难以处理，因其大气湍流的随机性。大多数方法依赖于常规相机记录的多个帧以捕获自然场景中的稳定模式。然而，这些方法不可避免地在准确性与效率之间存在权衡：更多帧可提高恢复效果，但会增加系统延迟和更大的数据开销。事件相机具备微秒级时间分辨率和高效感知动态变化的能力，为突破这一瓶颈提供了可能。本文提出了EHETM（基于事件的高质量高效湍流消除方法），灵感源于事件在连续序列中建模运动方面的优势。我们发现两个关键现象：（1）湍流引起的事件呈现出与锐利图像梯度相关的极化交替，为恢复场景提供结构线索；（2）动态对象在湍流事件中形成时空连贯的“事件管”，与湍流事件中不规则的图案形成鲜明对比，为分离对象与湍流提供运动先验。基于这些洞察，我们设计了两个互补模块，分别利用极化加权梯度进行场景细化和事件管约束进行运动解耦，实现了少量帧数的高质量恢复。此外，我们构建了覆盖大气和热力学案例的两个真实世界事件-帧湍流数据集。实验表明，EHETM在SOTA方法中取得优异表现，尤其在包含动态对象的场景下，同时将数据开销和系统延迟分别降低约77.3%和89.5%。我们的代码已公开于：https://github.com/Xavier667/EHETM
引用
@article{arxiv.2603.20708,
title = {High-Quality and Efficient Turbulence Mitigation with Events},
author = {Xiaoran Zhang and Jian Ding and Yuxing Duan and Haoyue Liu and Gang Chen and Yi Chang and Luxin Yan},
journal= {arXiv preprint arXiv:2603.20708},
year = {2026}
}
备注
Accepted by CVPR 2026