原论文首页 · TSRN-RTVD: Real-Time Video Deblurring System

TSRN-RTVD：用曝光期间的相机轨迹引导视频去模糊

把手抖轨迹作为显式中间量，有助于区分相机运动与主体运动造成的失败。

文章信息与阅读大纲

TSRN-RTVD: Real-Time Video Deblurring System
arXiv 2610.08230v1 · 首次提交 2026-10-06 · 往期补选
2026.11.06 周选第 9 篇 · 视频 · 建议选读

阅读顺序：研究问题、核心方案、实验条件、业务验证。

研究问题与核心方案

图 1 · 原论文第 1 页，点击查看原图

系统估计曝光期间的相机运动轨迹，以其指导清晰帧恢复。演示同时显示输入、恢复结果、轨迹和吞吐，便于定位轨迹估计失误。

实验结果与分析

作者在 GoPro 数据集报告 30.08 dB，并在消费级 GPU 演示 30 FPS。该实验还缺少目标手机芯片实测，真实滚动快门也是迁移变量。

论文注明使用 RTX 2080 Ti，并在前向计算两侧做 CUDA 同步。轨迹引导的递归融合能沿帧流工作，系统展示的吞吐仍需在手机后端重新测量。

研发判断与验证建议

选读依据　把手抖轨迹作为显式中间量，有助于区分相机运动与主体运动造成的失败。

将估计轨迹与同步陀螺仪积分对齐，分测静景手抖、主体运动及两者叠加时的振铃。