JDATT：面向大气湍流消除与目标检测的联合蒸馏框架
计算机视觉与模式识别
2025-07-29 v1
摘要
大气湍流（AT）引入严重的退化，如波纹、模糊和强度波动，严重影响图像质量以及目标检测等下游视觉任务。虽然最近基于深度学习的做法已通过 transformer 和 Mamba 架构推进 AT 消除，但其高复杂度和计算成本使其不适用于资源受限环境下的实时应用，如远程监视。此外，常规做法将湍流消除与目标检测分离，导致效率低下和次优性能。为此，我们提出 JDATT，一个面向大气湍流消除与目标检测的联合蒸馏框架。JDATT 集成最先进的 AT 消除和检测模块，引入统一的知识蒸馏策略，在压缩两个组件的同时最小化性能损失。我们采用混合蒸馏方案：通过通道级蒸馏（CWD）和掩码生成蒸馏（MGD）进行特征级蒸馏，通过 KL 散度进行输出级蒸馏。在合成和真实世界湍流数据集上的实验表明，JDATT 在视觉恢复和检测精度方面均优于现有方法，同时显著减少模型规模和推理时间，适合实时部署。
引用
@article{arxiv.2507.19780,
title = {JDATT: A Joint Distillation Framework for Atmospheric Turbulence Mitigation and Target Detection},
author = {Zhiming Liu and Paul Hill and Nantheera Anantrasirichai},
journal= {arXiv preprint arXiv:2507.19780},
year = {2025}
}
备注
Accepted by the 36th British Machine Vision Conference