PulseAugur
中
实时 08:02:15
English(EN) Physical prior guided cooperative learning framework for joint turbulence degradation estimation and infrared video restoration

新的P2GCL框架增强了红外视频复原和湍流估计

作者 PulseAugur 编辑部 · [1 个来源] ·

一个名为P2GCL的新框架已被开发出来，用于联合改进大气湍流强度估计和红外视频复原。该框架采用协同学习方法，其中一个模型估计湍流强度，并将此信息作为物理先验提供给第二个模型，该模型复原红外图像。然后将复原的图像反馈给第一个模型以改进其湍流强度测量，从而形成循环协作。实验表明，该方法显著提高了湍流强度估计和图像复原质量。 AI

影响 这项研究引入了一个新颖的协同学习框架，可以改善在恶劣大气条件下的红外成像质量。

排序理由 这是一篇描述新框架和实验结果的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的P2GCL框架增强了红外视频复原和湍流估计

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Ziran Zhang, Yuhang Tang, Zhigang Wang, Yueting Chen, Bin Zhao ·

    面向联合湍流退化估计和红外视频恢复的物理先验引导协同学习框架

    arXiv:2408.04227v2 Announce Type: replace-cross Abstract: Infrared imaging and turbulence strength measurements are in widespread demand in many fields. This paper introduces a Physical Prior Guided Cooperative Learning (P2GCL) framework to jointly enhance atmospheric turbulence …

相关话题