关键词video snapshot compressive imaging
搜索结果 - 6
- 10K FPS 的事件增强快照压缩摄影
通过结合事件相机和视频快照压缩成像技术，提出了一种新颖的混合 “强度 + 事件” 成像方案，利用双路径光学系统记录编码强度测量和中间事件信号，通过双分支 Transformer 解码密集视频帧，实现了以 0.1 毫秒时间间隔进行高质量的快照 - ICCV深度光学视频快照压缩成像
本研究提出了一个深度光学框架来优化掩膜和重建网络，以解决视频快照压缩成像中的动态范围和深度学习算法退化的挑战。通过引入结构掩膜实现对运动感知和全动态范围的测量，并使用 Transformer 开发了一个高效的网络用于视频快照压缩成像重建。在 - 卷积 - Transformer 混合概率先验展开框架及其在视频快照压缩成像中的不确定性估计
本文提出了一种基于 DUN 框架下的 3D 卷积 - Transformer 混合（CTM）模块，该模块利用 Transformer 的 3D 有效可扩展关注模型充分学习时间和空间维度之间的相关性，并引入方差估计来表征重建过程中的高频信息， - 高效 SCI：稠密连接网络结合时空分解进行大规模视频快照压缩成像
本文提出了一种名为 EfficientSCI 的高效深度学习网络，使用含有密集连接和时空分解机制的单个残差块，通过卷积和 Transformer 等操作，在单一暴光时间内重建视频快照，从而解决了过度模型复杂性和 GPU 内存限制等问题，实验 - 大规模视频压缩感知的内存高效网络
本文介绍一种基于多组可逆 3D 卷积神经网络的内存高效型网络，用于压缩成像 (SCI)，并将 demosaicing 与 SCI 重建相结合，以直接从 Bayer 测量中恢复彩色视频。实验表明，我们的模型在大规模问题中优于现有的最先进技术， - CVPRMetaSCI: 视频压缩感知的可扩展和自适应重构
该研究论文提出了一种名为 MetaSCI 的元调制卷积网络，用于高速视频快照压缩成像（video snapshot compressive imaging，简称 SCI）重建，该方法能够快速适应新的掩码并扩展到大规模数据，并在实验中展示出优