本文提出了一种改进的运动结构法（SfM）算法，该算法考虑了无论 Rolling Shutter（RS）的影响，都能够估计两个连续帧的相对姿态，并给出了用于复原 Rolling Shutter 相机的相对姿态的 9 点算法，使用该算法的图像矫正可产生高质量的全局快门（GS）图像和 3D 重建结果。

Mar, 2019

本文提出了一个实现滚动快门矫正的数据集 BS-RSC 和相应的模型。该模型具有自适应扭曲和适应性变形，可以将学习到的 RS 特征自适应地扭曲成全局快门对应物并重建成高品质的全局快门帧。实验结果表明，该方法有效，并且我们的数据集可以提高模型在现实情况下消除 RS 效应的能力。

Apr, 2022

提出了一种基于滚动快门相机的相机姿态估计和环境几何估计的鲁棒快速 Bundle Adjustment 解决方案，该方案采用了标准化和协方差标准化加权的组合，避免平面退化，并针对其雅可比矩阵和舒尔补的稀疏性进行加速。

Sep, 2022

滚动快门相机的相对姿态问题与 RS1 相机模型、有理映射、相对相机位姿问题的解决方案有关，并且可用于解释绝对姿态计算中使用的 RS 模型。

Mar, 2024

本文提出了一种新的微分单应矩阵，能够在滚动快门摄像机中考虑不同的扫描线相机姿态，并演示其在进行 RS 感知的图像拼接和矫正方面的实际应用。

Aug, 2020

我们提供了第一个数据集 BS-RSCD，包含具有动态场景中的自我运动和对象运动的实际扭曲和模糊视频，我们进一步提出了第一个学习模型 JCD，通过采用双向翘曲流进行位移补偿，并同时保留非翘曲去模糊流以进行细节恢复，我们的实验结果表明 JCD 在现实 RSCD 数据集（BS-RSCD）和 RSC 合成数据集（Fastec-RS）上实现了最先进的性能。

Apr, 2021

通过扩散技术和设计的补丁注意力模块，我们提出了 RS-Diffusion - 第一个基于扩散模型的单帧滚动快门（RS）校正方法。我们还提出了 RS-Real 数据集，其中包括被 RS 坏像帧以及通过相应的惯性测量单元（IMU）陀螺仪数据校正成的 GS（Global Shutter）基准图像对。实验证明，我们的 RS-Diffusion 超过了之前的单帧 RS 校正方法。我们的方法和提出的 RS-Real 数据集为推进 RS 校正领域奠定了坚实的基础。

Jul, 2024

本文提出一种直接的视觉惯性里程计方法（VIO），该方法基于来自快门滚动摄像机和惯性测量单元（IMU）的测量，估计传感器设置的运动和环境的稀疏 3D 几何图形，并结合光度束调整，估计一组最近的关键帧姿势和稀疏点的反深度，同时利用 IMU 信息，基于滚动快门效应对速度和偏差进行校准。在公开数据集上进行的实验说明，与不考虑滚动快门的系统相比，所提出的方法表现更好，并在全局快门数据上实现了与全局快门方法类似的准确度。

Nov, 2019

本研究提出了一种基于 Ackermann 运动模型和简化深度假设的最小算法求解滚动快门相机拍摄影像中的畸变，实现了高效且精确的运动补偿。

Dec, 2017

本文提出了一种上下文感知的全局快门视频重建体系结构，通过估计双边运动场，引导全局快门帧合成，产生任意时间高保真度的全局快门视频帧，并在合成任务的相关任务中提供简单而有效的全局快门帧初始化。

May, 2022