轻量级 Quad Bayer HybridEVS 双阶段 Demosaicing 网络：基于状态空间增强交叉注意力
计算机视觉与模式识别
2025-08-11 v1
摘要
事件相机如混合事件基准视觉传感器（HybridEVS）相机捕获亮度变化的异步“事件”，而非帧，为移动摄影提供了先进的应用。然而，由于将 Quad Bayer 彩色滤光器阵列（CFA）传感器与缺乏颜色信息的事件像素相结合，导致 demosaicing 过程中出现aliasing和伪影。当前方法在资源受限的移动设备上难以解决此问题。为此，我们引入 TSANet，一种轻量级双阶段网络，采用状态空间增强交叉注意力（Two-stage network via State space augmented cross-Attention），可分别处理事件像素的填充和 demosaicing，充分利用将复杂任务划分为可管理子任务的优势。进一步，我们提出一种轻量级 Cross-Swin State Block，独特地利用位置先验进行 demosaicing，并通过具有线性复杂度的状态空间模型来增强全局依赖性。总之，TSANet 在模拟数据和真实数据上均表现出色，平均优于前沿方法 DemosaicFormer 在七个多样化数据集上的 PSNR 和 SSIM 指标，分别将参数和计算成本降低 和 。我们的做法为移动设备上的高效图像 demosaicing 提供了新的可能性。代码已包含在补充材料中。
引用
@article{arxiv.2508.06058,
title = {Lightweight Quad Bayer HybridEVS Demosaicing via State Space Augmented Cross-Attention},
author = {Shiyang Zhou and Haijin Zeng and Yunfan Lu and Yongyong Chen and Jie Liu and Jingyong Su},
journal= {arXiv preprint arXiv:2508.06058},
year = {2025}
}