論文の概要: High-Quality and Efficient Turbulence Mitigation with Events

• arxiv url: http://arxiv.org/abs/2603.20708v1
• Date: Sat, 21 Mar 2026 08:10:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-24 19:11:39.050915
• Title: High-Quality and Efficient Turbulence Mitigation with Events
• Title（参考訳）: イベントによる高品質・高効率乱流緩和
• Authors: Xiaoran Zhang, Jian Ding, Yuxing Duan, Haoyue Liu, Gang Chen, Yi Chang, Luxin Yan,
• Abstract要約: 乱流緩和(TM)は、大気の乱流の性質によって悪くなる。 ほとんどの方法は、自然のシナリオで安定したパターンをキャプチャするために、従来のカメラが記録した複数のフレームに依存している。 本研究では,連続列における動きをモデル化するためのイベントの優越性から着想を得た,高品質かつ効率的なTM手法であるEMTMを提案する。
• 参考スコア（独自算出の注目度）: 36.16150258581428
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Turbulence mitigation (TM) is highly ill-posed due to the stochastic nature of atmospheric turbulence. Most methods rely on multiple frames recorded by conventional cameras to capture stable patterns in natural scenarios. However, they inevitably suffer from a trade-off between accuracy and efficiency: more frames enhance restoration at the cost of higher system latency and larger data overhead. Event cameras, equipped with microsecond temporal resolution and efficient sensing of dynamic changes, offer an opportunity to break the bottleneck. In this work, we present EHETM, a high-quality and efficient TM method inspired by the superiority of events to model motions in continuous sequences. We discover two key phenomena: (1) turbulence-induced events exhibit distinct polarity alternation correlated with sharp image gradients, providing structural cues for restoring scenes; and (2) dynamic objects form spatiotemporally coherent ``event tubes'' in contrast to irregular patterns within turbulent events, providing motion priors for disentangling objects from turbulence. Based on these insights, we design two complementary modules that respectively leverage polarity-weighted gradients for scene refinement and event-tube constraints for motion decoupling, achieving high-quality restoration with few frames. Furthermore, we construct two real-world event-frame turbulence datasets covering atmospheric and thermal cases. Experiments show that EHETM outperforms SOTA methods, especially under scenes with dynamic objects, while reducing data overhead and system latency by approximately 77.3% and 89.5%, respectively. Our code is available at: https://github.com/Xavier667/EHETM.
• Abstract（参考訳）: 乱流緩和(TM)は、大気乱流の確率的性質のため、非常に不規則である。 ほとんどの方法は、自然のシナリオで安定したパターンをキャプチャするために、従来のカメラが記録した複数のフレームに依存している。 しかし、正確性と効率のトレードオフに必然的に苦しんでいる。より多くのフレームがシステムのレイテンシとデータオーバーヘッドの増大を犠牲にして復元を促進する。 イベントカメラはマイクロ秒の時間分解能と動的変化の効率的な検知を備えており、ボトルネックを突破する機会を提供する。 本研究では,連続列における動きをモデル化するためのイベントの優越性から着想を得た,高品質かつ効率的なTM手法であるEMHTMを提案する。 乱れによって引き起こされる事象は, 鮮明な画像勾配と相関し, シーン復元のための構造的手がかりを提供する, 2) 動的物体は, 乱れ内の不規則なパターンに対して時空間的にコヒーレントな 'event tubes' を形成し, 乱れから遠ざかる物体の運動前兆を与える, という2つの重要な現象を発見した。 これらの知見に基づき, シーンリファインメントに極性重み付け勾配, モーションデカップリングにイベントチューブ制約を利用する2つの相補的なモジュールを設計し, 少ないフレームで高品質な復元を実現する。 さらに,大気および熱事件をカバーする2つの実世界のイベントフレーム乱流データセットを構築した。 EHETMは、特に動的オブジェクトを持つシーンにおいてSOTA法よりも優れており、データのオーバーヘッドとシステム遅延をそれぞれ約77.3%、89.5%削減している。 私たちのコードは、https://github.com/Xavier667/EHETM.comで利用可能です。

関連論文リスト

• EvDiff: High Quality Video with an Event Camera [77.07279880903009]
  イベントからの強度画像の再構成は、絶対的な明るさのあいまいさが原因で、非常に不適切な作業である。 EvDiffはイベントベースの拡散モデルであり、高品質なビデオを作成するための代理トレーニングフレームワークに従う。
  論文  参考訳（メタデータ） (2025-11-21T18:49:18Z)
• HAD: Hierarchical Asymmetric Distillation to Bridge Spatio-Temporal Gaps in Event-Based Object Tracking [80.07224739976911]
  イベントカメラは例外的な時間分解能と範囲(モード)を提供する RGBカメラは高解像度でリッチテクスチャを捉えるのに優れていますが、イベントカメラは例外的な時間分解能とレンジ(モダル)を提供します。
  論文  参考訳（メタデータ） (2025-10-22T13:15:13Z)
• EGTM: Event-guided Efficient Turbulence Mitigation [19.09752432962073]
  乱流緩和(TM)は、大気の乱流によってもたらされる歪みやぼやけをフレームカメラに除去することを目的としている。 本稿では, 時間的ラッキー融合のために, ノイズの多い乱流イベントから, 画素レベルの信頼性の高い乱れのないガイダンスを抽出する新しいEGTMフレームワークを提案する。 実世界のイベント駆動TMデータセットにコントリビュートするための,最初の乱流データ取得システムを構築した。
  論文  参考訳（メタデータ） (2025-09-04T01:49:13Z)
• RMFAT: Recurrent Multi-scale Feature Atmospheric Turbulence Mitigator [4.021926055330021]
  大気の乱流は、幾何学的歪み、ぼかし、時間的ひねりなどの歪みを導入することで、映像の品質を著しく低下させる。 我々は,AT条件下での高効率かつ時間的に一貫したビデオ復元を目的としたRMFAT: Recurrent Multi-scale Feature Atmospheric Turbulence Mitigatorを提案する。
  論文  参考訳（メタデータ） (2025-08-15T11:20:18Z)
• EvTurb: Event Camera Guided Turbulence Removal [48.08239137843974]
  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。
  論文  参考訳（メタデータ） (2025-08-14T12:22:18Z)
• PMR: Physical Model-Driven Multi-Stage Restoration of Turbulent Dynamic Videos [9.48544376032391]
  本研究では, 乱流強度, 光学的流れ, ダイナミック領域の割合を組み合わせた動的効率指数(DEI$)を導入し, 変動する乱流条件下での映像動的強度を正確に定量化する。 また,幾何安定化のためのtextbfde-tilting,テキストbfmotionセグメンテーションの強化,品質回復のための textbfde-blurring の3段階からなる物理モデル駆動型多段階ビデオ再生(PMR$)フレームワークを提案する。 PMR$は軽量のバックボーンとステージワイドのジョイントトレーニングを採用して、効率性と高い修復性を確保している。
  論文  参考訳（メタデータ） (2025-08-01T08:06:41Z)
• SaENeRF: Suppressing Artifacts in Event-based Neural Radiance Fields [12.428456822446947]
  イベントカメラは低レイテンシ、低消費電力、低帯域幅、高ダイナミックレンジなどの利点を提供する。 イベントデータから幾何的に一貫性があり、測光的に正確な3D表現を再構築することは、基本的に困難である。 イベントストリームのみからの静的なシーンの3次元一貫性, 密度放射, フォトリアリスティックなNeRF再構成を可能にする, 新規な自己教師型フレームワークSaENeRFを提案する。
  論文  参考訳（メタデータ） (2025-04-23T03:33:20Z)
• 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)

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。