Video Variational Deep Atmospheric Turbulence Correction

This paper presents a novel variational deep-learning approach for video atmospheric turbulence correction. We modify and tailor the Nonlinear Activation Free Network (NAFNet) architecture for video restoration, introducing a new transformer-based channel attention mechanism to exploit long-range hi...

Celý popis

Podrobná bibliografie

Vydáno v:	IEEE access Ročník 12; s. 127368 - 127379
Hlavní autoři:	Lopez-Tapia, Santiago, Wang, Xijun, Katsaggelos, Aggelos K.
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Piscataway IEEE 2024 The Institute of Electrical and Electronics Engineers, Inc. (IEEE)
Témata:	Atmospheric correction Atmospheric modeling Atmospheric turbulence Deep learning Degradation Feature extraction Image enhancement Image restoration Noise prediction Nonlinear distortion Training video restoration
ISSN:	2169-3536, 2169-3536
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!