MAMAT：基于 3D Mamba 的大气湍流去除及其目标检测能力
计算机视觉与模式识别
2025-03-25 v1
摘要
恢复和增强对于提高大气湍流条件下捕获视频质量至关重要，有助于监视系统中的可视化、目标检测、分类和跟踪。本文引入了一种新型 Mamba 方法，即 3D Mamba 基于大气湍流去除（MAMAT），采用双模块策略来缓解这些失真。第一个模块利用可变形 3D 卷积进行非刚性配准以最小化空间位移，第二个模块增强对比度和细节。依据 3D Mamba 架构的先进能力，实验结果表明，MAMAT 在视觉质量上优于最先进的基于学习的方法，提升最高可达 3%，目标检测提升最高可达 15%。它不仅提升了可视化效果，还显著提高了目标检测准确性，弥合了视觉恢复与监视应用效果之间的差距。
引用
@article{arxiv.2503.17700,
title = {MAMAT: 3D Mamba-Based Atmospheric Turbulence Removal and its Object Detection Capability},
author = {Paul Hill and Zhiming Liu and Nantheera Anantrasirichai},
journal= {arXiv preprint arXiv:2503.17700},
year = {2025}
}