論文の概要: EvTurb: Event Camera Guided Turbulence Removal

• arxiv url: http://arxiv.org/abs/2508.10582v1
• Date: Thu, 14 Aug 2025 12:22:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-15 22:24:48.305097
• Title: EvTurb: Event Camera Guided Turbulence Removal
• Title（参考訳）: EvTurb:イベントカメラによる乱流除去
• Authors: Yixing Liu, Minggui Teng, Yifei Xia, Peiqi Duan, Boxin Shi,
• Abstract要約: 大気の乱流は、ぼやけや幾何学的な傾きの歪みを導入して画質を劣化させる。 イベントガイドによる乱流除去フレームワークであるEvTurbを提案する。 さまざまな乱流シナリオを特徴とする,最初のリアルタイムデータセットであるTurbEventを紹介する。
• 参考スコア（独自算出の注目度）: 48.08239137843974
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Atmospheric turbulence degrades image quality by introducing blur and geometric tilt distortions, posing significant challenges to downstream computer vision tasks. Existing single-image and multi-frame methods struggle with the highly ill-posed nature of this problem due to the compositional complexity of turbulence-induced distortions. To address this, we propose EvTurb, an event guided turbulence removal framework that leverages high-speed event streams to decouple blur and tilt effects. EvTurb decouples blur and tilt effects by modeling event-based turbulence formation, specifically through a novel two-step event-guided network: event integrals are first employed to reduce blur in the coarse outputs. This is followed by employing a variance map, derived from raw event streams, to eliminate the tilt distortion for the refined outputs. Additionally, we present TurbEvent, the first real-captured dataset featuring diverse turbulence scenarios. Experimental results demonstrate that EvTurb surpasses state-of-the-art methods while maintaining computational efficiency.
• Abstract（参考訳）: 大気の乱流は、ぼやけや幾何学的な傾きの歪みを導入して画質を劣化させ、下流のコンピュータビジョンタスクに重大な課題を生じさせる。 既存の単一画像および複数フレームの手法は、乱流誘起歪みの組成複雑さのため、この問題の極めて不適切な性質に苦慮している。 これを解決するために,高速なイベントストリームを活用するイベントガイド型乱流除去フレームワークであるEvTurbを提案する。 EvTurbは、イベントベースの乱流形成をモデル化し、特に新しい2ステップのイベント誘導ネットワークを通じて、ぼやけと傾きの効果を分離する。 続いて、生イベントストリームから派生した分散マップを用いて、精製された出力の傾き歪みを除去する。 さらに,多様な乱流シナリオを特徴とする最初のリアルタイムデータセットであるTurbEventも紹介する。 実験の結果,EvTurbは計算効率を保ちながら最先端の手法を超越していることがわかった。

関連論文リスト

• Blur Interpolation Transformer for Real-World Motion from Blur [52.10523711510876]
  本稿では, ボケの時間的相関を解き明かすために, 符号化されたブラー変換器(BiT)を提案する。 マルチスケール残留スウィン変圧器ブロックに基づいて、両端の時間的監督と時間対称なアンサンブル戦略を導入する。 さらに,1対1のぼやけたビデオペアの最初の実世界のデータセットを収集するハイブリッドカメラシステムを設計する。
  論文  参考訳（メタデータ） (2022-11-21T13:10:10Z)
• AT-DDPM: Restoring Faces degraded by Atmospheric Turbulence using Denoising Diffusion Probabilistic Models [64.24948495708337]
  大気の乱流は、ぼやけや幾何学的歪みを導入して画質を著しく劣化させる。 CNNベースやGANインバージョンベースなど,深層学習に基づく単一画像大気乱流低減手法が提案されている。 Denoising Diffusion Probabilistic Models (DDPMs) は、その安定したトレーニングプロセスと高品質な画像を生成する能力により、最近注目を集めている。
  論文  参考訳（メタデータ） (2022-08-24T03:13:04Z)
• Single Frame Atmospheric Turbulence Mitigation: A Benchmark Study and A New Physics-Inspired Transformer Model [82.23276183684001]
  本研究では,大気乱流の画像化のための物理インスピレーション付き変圧器モデルを提案する。 提案ネットワークは変圧器ブロックのパワーを利用して動的乱流歪みマップを共同で抽出する。 そこで本研究では,従来の客観的指標と,テキスト認識精度を用いたタスク駆動計測の両方で評価可能な,実世界の乱流データセットを新たに2つ提示する。
  論文  参考訳（メタデータ） (2022-07-20T17:09:16Z)
• Imaging through the Atmosphere using Turbulence Mitigation Transformer [15.56320865332645]
  大気の乱流によって歪んだ画像の復元は、長距離イメージングの応用において、ユビキタスな問題である。 既存のディープラーニングベースの手法は、特定のテスト条件において有望な結果を示している。 本稿では,これらの問題に対処する乱流緩和トランス (TMT) を提案する。
  論文  参考訳（メタデータ） (2022-07-13T18:33:26Z)
• T$^2$-Net: A Semi-supervised Deep Model for Turbulence Forecasting [65.498967509424]
  空気の乱気流予測は、乗客の安全を保ち、効率を最大化し、コストを下げるガイドルートである有害な乱気流を避けるのに役立つ。 従来の予測手法は、動的で複雑な気象条件では効果の低い、高度にカスタマイズされた乱流指数に依存している。 本研究では,(1)複雑な時間的相関関係と(2)希少性,非常に限られた乱流ラベルが得られるという2つの課題から,機械学習による乱流予測システムを提案する。
  論文  参考訳（メタデータ） (2020-10-26T21:14:15Z)
• Learning to Restore a Single Face Image Degraded by Atmospheric Turbulence using CNNs [93.72048616001064]
  このような条件下で撮影された画像は、幾何学的変形と空間のぼかしの組合せに悩まされる。 乱流劣化顔画像の復元問題に対する深層学習に基づく解法を提案する。
  論文  参考訳（メタデータ） (2020-07-16T15:25:08Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。