学习去除事件相机中的镜头眩光
计算机视觉与模式识别
2025-12-11 v1
摘要
事件相机凭借其高时间分辨率和动态范围，有潜力彻底改变视觉系统，但它们仍然容易受到镜头眩光的影响，这是一种导致严重退化的基本光学伪影。在事件流中，这种光学伪影形成一种复杂的时空畸变，在很大程度上被忽视了。我们提出了 E-Deflare，这是第一个从事件相机数据中系统去除镜头眩光的框架。我们首先通过推导非线性抑制机制的物理基础前向模型来建立理论基础。这一洞察使得创建 E-Deflare 基准成为可能，这是一个全面的资源，包含大规模的模拟训练集 E-Flare-2.7K，以及首个配对的真实世界测试集 E-Flare-R，由我们的新型光学系统捕获。有了这个基准的赋能，我们设计了 E-DeflareNet，实现了最先进的恢复性能。广泛的实验验证了我们的方法，并展示了对下游任务的明确益处。代码和数据集公开发布。
引用
@article{arxiv.2512.09016,
title = {Learning to Remove Lens Flare in Event Camera},
author = {Haiqian Han and Lingdong Kong and Jianing Li and Ao Liang and Chengtao Zhu and Jiacheng Lyu and Lai Xing Ng and Xiangyang Ji and Wei Tsang Ooi and Benoit R. Cottereau},
journal= {arXiv preprint arXiv:2512.09016},
year = {2025}
}
备注
Preprint; 29 pages, 14 figures, 4 tables; Project Page at https://e-flare.github.io/