动态场景的递归运动自适应多尺度湍流消除
计算机视觉与模式识别
2026-05-21 v1
摘要
大气湍流严重降低视频质量，通过引入几何扭曲、模糊和时间抖动等失真，给视觉清晰度和时间一致性造成重大挑战。当前的先进方法基于转换器、3D架构，需要多帧输入，但其大的计算成本和内存使用限制了在资源受限场景中的实时部署。本文提出ReMATF，一种轻量级递归框架，使用仅两个帧即可恢复视频，同时保持空间细节和时间稳定性。ReMATF结合多尺度编码器-解码器、时间错位和运动自适应时间融合模块，对被扭曲的前一个输出和当前预测进行per像素融合，以增强一致性而不扩大时间窗口。该设计减少了闪烁，锐化了细节，同时保持高效。在合成和真实湍流数据集上的实验显示，PSNR/SSIM和感知质量（LPIPS）均得到一致改善，推理速度显著快于多帧转换器基线，使ReMATF适用于资源受限场景的湍流消除。
引用
@article{arxiv.2605.21440,
title = {ReMATF: Recurrent Motion-Adaptive Multi-scale Turbulence Mitigation for Dynamic Scenes},
author = {Zhiming Liu and Zhicheng Zou and Nantheera Anantrasirichai},
journal= {arXiv preprint arXiv:2605.21440},
year = {2026}
}