视频快照压缩成像（SCI）使用2D检测器在单次拍摄中捕获一系列视频帧。基本原理是，在一个曝光时间内，不同的蒙版会被施加到高速场景上，以形成压缩的测量结果。有了遮罩知识，就可以使用优化算法或深度学习方法从此快照测量中重建所需的高速视频帧。不幸的是，尽管这些方法可以取得不错的结果，但是优化算法的长时间运行或对深度网络的大量训练内存占用仍然无法在实际应用中使用它们。在本文中，我们基于多组可逆3D卷积神经网络开发了一种用于大型视频SCI的内存高效网络。除了用于灰度SCI系统的基本模型之外，我们进一步将去马赛克和SCI重建相结合，以直接从拜耳测量中恢复彩色视频。由SCI摄像机捕获的模拟和真实数据的大量结果表明，我们提出的模型以更少的内存胜过现有技术，因此可以用于大规模问题。该代码位于https://github.com/BoChenGroup/RevSCI-net。



"点击查看英文标题和摘要"