大家好，我是每日给大家推荐优秀开源项目的小G！
还在为运动模糊、低光照下拍摄的视频画质发愁吗？😭 想要提升视频分辨率，却发现模糊细节丢失严重，传统方法效果不佳？别担心！今天小G给大家带来一个刚刚被人工智能顶会 AAAI 2025 接收的前沿开源项目——Ev-DeblurVSR！它巧妙地利用了一种叫做“事件相机”（Event Camera）的新型传感器，为解决模糊视频的超分辨率问题开辟了新思路！想知道它是怎么化“模糊”为“清晰”的吗？快跟我一起来看看吧！
Ev-DeblurVSR 是什么？
Ev-DeblurVSR，全称 Event-Enhanced Blurry Video Super-Resolution，是由来自中国科学技术大学（University of Science and Technology of China）的科研团队提出的创新性工作。
简单来说，这个项目旨在解决一个棘手的问题：如何对模糊的视频进行超分辨率处理？
传统方法在处理模糊视频时，往往因为丢失了运动和纹理细节而效果不佳。而Ev-DeblurVSR的亮点在于引入了事件相机的数据。
什么是事件相机？ 🤔
它不像普通相机那样固定帧率捕捉图像，而是异步地记录像素亮度的变化，能够以微秒级的时间分辨率捕捉高速运动，且具有高动态范围，不易产生运动模糊。
Ev-DeblurVSR正是利用了事件数据高时间分辨率和对亮度变化敏感的特性，来辅助恢复模糊视频中丢失的细节，从而实现更高质量的超分辨率效果。
项目亮点与成果
- 顶会认证：
研究成果已被人工智能顶级会议 AAAI 2025 正式接收，含金量十足！ - 效果惊艳：
项目主页和代码库中提供了多个视频 Demo，展示了在合成数据集（如 GoPro）和真实世界数据集（如 NCER）上 超分辨率的显著效果。无论是快速运动的场景还是光线不足的场景，处理后的视频清晰度和细节都有了质的飞跃。
如何上手？（开发者看这里）
如果你是研究者或开发者，想要亲自体验或基于此项目进行研究，可以按照以下步骤操作：
-
环境准备：
-
需要 Conda、CUDA Toolkit 11.1.1、Python 3.7、torch 1.10.2+cu111、torchvision 0.11.3+cu111 等依赖。 -
安装（推荐 Conda）：
conda create -y -n ev-deblurvsr python=3.7conda activate ev-deblurvsr# 安装指定版本的 torch 和 torchvision (根据提供的 .whl 文件)pip install torch-1.10.2+cu111-cp37-cp37m-linux_x86_64.whlpip install torchvision-0.11.3+cu111-cp37-cp37m-linux_x86_64.whl# 克隆仓库并安装其他依赖git clone https://github.com/DachunKai/Ev-DeblurVSRcd Ev-DeblurVSR && pip install -r requirements.txt && python setup.py develop
3. 安装（Docker 方式）：
-
可以直接拉取官方提供的 Docker 镜像（基于之前的 EvTexture 项目构建）：
docker pull registry.cn-hangzhou.aliyuncs.com/dachunkai/evtexture:latest-
也可以使用项目提供的 Dockerfile自行构建。 -
运行镜像后，激活环境并进行开发设置： source activate evtexture && cd EvTexture && python setup.py develop -
4. 测试：
-
下载预训练模型（GitHub Releases 或百度云提供）并放到指定目录 ( experiments/pretrained_models/EvDeblurVSR/)。 -
下载预处理好的测试数据集（百度云或 Google Drive 提供）并放到 datasets/目录。 -
运行测试脚本，例如测试 GoPro 数据集：
./scripts/dist_test.sh [num_gpus] options/test/EvDeblurVSR/test_EvDeblurVSR_GoPro_x4.yml-
结果会保存在 results/目录下。官方也提供了预计算好的结果供下载对比。 -
还提供了测试模型参数量、运行时间和 FLOPs 的脚本。 5. 输入数据结构： -
项目需要视频帧和事件数据作为输入。 -
作者将每个视频及其对应的事件数据打包成了 HDF5 (.h5) 文件。文件内包含了图像帧 ( images) 以及前向 (vFwd)、后向 (vBwd) 和帧内 (vExpo) 的事件体素数据。
项目链接
- GitHub 项目地址:
https://github.com/DachunKai/Ev-DeblurVSR - 项目主页:
https://dachunkai.github.io/ev-deblurvsr.github.io/ - 论文链接 (arXiv):
https://www.google.com/search?q=https://arxiv.org/pdf/2504.13042
扫码加入技术交流群，备注「开发语言-城市-昵称」
（文：GitHubStore）