视频单曝光压缩成像具有广泛应用前景，它使用高频空间光调制设备对视频帧进行调制，并将调制帧集成到单个压缩测量量，从而实现时间维度的压缩，再基于深度学习的算法重建原始视频帧。我中心研究人员引入的不确定性估计，设计出一个CNN和Transformer混合模型来进行视频重建，能够同时捕捉局部和全局特征，并关注高频信息，解决了现有基于学习算法不能很好重建高频细节的问题。

该研究成果已被International Conference on Computer Vision 2023（ICCV 2023）接收。论文第一作者为人工智能部博士研究生郑巳明，指导教师杨小渝。

相关成果：

Zheng S, etc. Unfolding Framework with Prior of Convolution-Transformer Mixture and Uncertainty Estimation for Video Snapshot Compressive Imaging[C]. ICCV 2023. (accepted)

责任编辑：郎杨琴