視頻單曝光壓縮成像具有廣泛應(yīng)用前景，它使用高頻空間光調(diào)制設(shè)備對視頻幀進(jìn)行調(diào)制，并將調(diào)制幀集成到單個壓縮測量量，從而實現(xiàn)時間維度的壓縮，再基于深度學(xué)習(xí)的算法重建原始視頻幀。我中心研究人員引入的不確定性估計，設(shè)計出一個CNN和Transformer混合模型來進(jìn)行視頻重建，能夠同時捕捉局部和全局特征，并關(guān)注高頻信息，解決了現(xiàn)有基于學(xué)習(xí)算法不能很好重建高頻細(xì)節(jié)的問題。

該研究成果已被International Conference on Computer Vision 2023（ICCV?2023）接收。論文第一作者為人工智能部博士研究生鄭巳明，指導(dǎo)教師楊小渝。

相關(guān)成果：

Zheng S, etc. Unfolding Framework with Prior of Convolution-Transformer Mixture and Uncertainty Estimation for Video Snapshot Compressive Imaging[C]. ICCV 2023. (accepted)

責(zé)任編輯：郎楊琴