NeRT：用于通用无监督湍流抑制的隐式神经表示
计算机视觉与模式识别
2024-04-03 v2
摘要
大气与水下湍流抑制问题多年来已成为计算机视觉与光学界具有挑战性的逆问题。然而，现有方法要么严重依赖训练数据集的质量，要么无法泛化到各种场景，例如静态场景、动态场景与文本重建。我们提出了一种用于无监督大气与水下湍流抑制的通用隐式神经表示（NeRT）。NeRT 利用隐式神经表示与物理正确的先倾斜后模糊湍流模型，仅给定数十张失真输入图像即可重建干净、无失真的图像。此外，我们通过对大气与水下湍流数据集的多种定性与定量评估表明，NeRT 优于当前最先进水平。进一步，我们展示了 NeRT 消除真实世界环境中不受控湍流的能力。最后，我们将 NeRT 应用于连续捕获的视频序列，并展示了 的加速。
引用
@article{arxiv.2308.00622,
title = {NeRT: Implicit Neural Representations for General Unsupervised Turbulence Mitigation},
author = {Weiyun Jiang and Yuhao Liu and Vivek Boominathan and Ashok Veeraraghavan},
journal= {arXiv preprint arXiv:2308.00622},
year = {2024}
}