PMR: 物理模型驱动的湍流动态视频多阶段复原
计算机视觉与模式识别
2025-08-04 v1
摘要
由大气湍流引起的几何畸变和模糊降低了远距离动态场景视频的质量。现有方法在恢复边缘细节和消除混合畸变方面存在困难，尤其是在强湍流和复杂动态条件下。为了解决这些挑战，我们引入了一个动态效率指数（），该指数结合了湍流强度、光流和动态区域比例，以准确量化不同湍流条件下的视频动态强度，并提供一个高动态湍流训练数据集。此外，我们提出了一个物理模型驱动的多阶段视频复原（）框架，该框架由三个阶段组成：用于几何稳定的**去倾斜**、用于动态区域细化的**运动分割增强**以及用于质量恢复的**去模糊**。采用轻量级骨干网络和分阶段联合训练，以确保效率和高质量的复原。实验结果表明，所提出的方法有效抑制了运动拖尾伪影，恢复了边缘细节，并表现出强大的泛化能力，尤其是在以高湍流和复杂动态为特征的真实场景中。我们将公开代码和数据集。
引用
@article{arxiv.2508.00406,
title = {PMR: Physical Model-Driven Multi-Stage Restoration of Turbulent Dynamic Videos},
author = {Tao Wu and Jingyuan Ye and Ying Fu},
journal= {arXiv preprint arXiv:2508.00406},
year = {2025}
}