TurbEvent

TurbEvent是一个实拍数据集，用于捕捉不同湍流场景，为评估大气湍流去除技术提供全面的数据支持。该数据集包含各种湍流模式，能够帮助研究人员更好地理解大气湍流对图像质量的影响，并开发更有效的图像恢复算法。

TurbEvent is a field-acquired dataset that captures diverse turbulent scenarios, providing comprehensive data support for the evaluation of atmospheric turbulence removal technologies. This dataset encompasses various turbulent patterns, enabling researchers to better understand the impact of atmospheric turbulence on image quality and develop more effective image restoration algorithms.

原始信息汇总

EvTurb数据集概述

基本信息

• 数据集名称：EvTurb
• 官方代码库：Event Camera Guided Turbulence Removal

当前状态

• 数据集尚未正式发布，标注为"Coming soon!"

相关技术

• 涉及技术领域：事件相机引导的湍流消除技术

搜集汇总

数据集介绍

构建方式

TurbEvent数据集的构建采用了创新的混合相机系统，该系统由一台机器视觉相机和一台事件相机组成，通过分束器实现光学对齐。研究人员设计了包含热风箱的显示-相机系统，在约5米距离处模拟大气湍流环境。数据采集过程中，从ADE20K数据集中选取多样化场景图像，以10FPS的帧率播放以避免显示刷新干扰。通过严格的时空校准（棋盘格标定和信号发生器同步），最终获取了6318对592×592分辨率的湍流-清晰图像及对应的事件流数据。

特点

作为首个真实捕获的事件相机湍流基准数据集，TurbEvent具有三个显著特征：首先，其事件流数据以微秒级精度记录了湍流场变化，为解耦模糊和倾斜畸变提供了独特的时间维度信息；其次，数据集包含丰富的湍流模式多样性，通过多次重复捕获相同场景下的随机湍流效应，确保了数据分布的广泛性；最后，所有数据均通过物理实验系统采集，避免了仿真数据与真实场景的域差距问题，为算法评估提供了高可信度的测试基准。

使用方法

使用TurbEvent数据集时需注意其多模态特性：RGB图像与事件流数据需保持严格的时空对齐。建议采用论文提出的两阶段处理流程，首先利用事件积分信息消除图像模糊（D-Net阶段），继而通过事件方差图指导倾斜校正（T-Net阶段）。对于下游任务评估，数据集已按场景类别以9:1比例划分训练测试集，可直接用于模型训练与验证。在语义分割等视觉任务中，建议将恢复图像与原始ADE20K标注配对使用，以量化湍流消除算法对高层视觉任务的提升效果。

背景与挑战

背景概述

TurbEvent数据集由北京大学多媒体信息处理国家重点实验室和视觉技术国家工程研究中心的科研团队于2025年创建，旨在解决大气湍流导致的图像质量退化问题。该数据集首次通过混合相机系统同步采集真实湍流场景下的RGB图像与事件流数据，包含6318组592×592分辨率的样本，覆盖室内外多样化场景。其创新性地建立了事件流与湍流畸变间的物理关联，为计算机视觉领域提供了首个事件相机引导的湍流消除基准，显著推动了动态场景成像质量提升的研究进程。

当前挑战

该数据集面临的核心挑战体现在两个方面：在领域问题层面，大气湍流引起的模糊与几何倾斜畸变具有高度病态性，传统单帧方法难以解耦复合畸变，而多帧方法受限于数据采集量和运动物体干扰；在构建过程中，湍流随机性导致事件流与图像帧的时空对齐困难，需设计精密的光学同步系统，同时热湍流模拟环境的不稳定性增加了数据采集复杂度。此外，事件相机的单色特性与RGB图像的跨模态融合，以及微秒级事件流与毫秒级图像帧的时间分辨率差异，均为数据集构建带来显著挑战。

常用场景

经典使用场景

TurbEvent数据集在计算机视觉领域主要用于解决大气湍流导致的图像质量退化问题。通过结合事件相机捕捉的高频动态信息，该数据集为研究人员提供了一个真实场景下的湍流图像与对应清晰图像的配对样本，使得基于深度学习的湍流去除算法能够在复杂场景下进行训练和验证。

衍生相关工作

基于TurbEvent数据集衍生的经典工作包括EvTurb框架，该框架首创了事件引导的双阶段湍流去除网络。后续研究如NB-GTR窄带滤波方法和PlaNet行星图像处理系统，均借鉴了该数据集的事件-图像融合范式，推动了跨模态湍流矫正技术的发展。

数据集最近研究

最新研究方向

在计算机视觉领域，TurbEvent数据集的推出为大气湍流图像恢复研究提供了新的基准。该数据集通过结合事件相机的高速事件流与RGB图像，首次实现了真实场景下湍流模式的多样化捕获。前沿研究聚焦于利用事件数据的高时间分辨率特性，通过物理建模将湍流引起的模糊与倾斜效应解耦。最新提出的EvTurb框架通过两步事件引导网络，先利用事件积分减少模糊，再基于方差图消除倾斜畸变，显著提升了复杂湍流场景下的图像恢复质量。这一进展不仅解决了传统单帧和多帧方法在高度不适定问题上的局限性，还为遥感监控、天文观测等长距离成像应用提供了更可靠的技术支撑。

相关研究论文

• EvTurb: Event Camera Guided Turbulence Removal

  北京大学 · 2025年