À deux : un duo de périodicité et de directivité pour l'élimination du scintillement en rafale
It Takes Two: A Duet of Periodicity and Directionality for Burst Flicker Removal
March 24, 2026
Auteurs: Lishen Qu, Shihao Zhou, Jie Liang, Hui Zeng, Lei Zhang, Jufeng Yang
cs.AI
Résumé
Les artéfacts de scintillement, résultant d'une illumination instable et d'incohérences d'exposition ligne par ligne, constituent un défi majeur en photographie à courte exposition, dégradant gravement la qualité d'image. Contrairement aux artéfacts typiques (par exemple, le bruit ou la faible luminosité), le scintillement est une dégradation structurée présentant des motifs spatio-temporels spécifiques, qui ne sont pas pris en compte par les cadres de restauration génériques actuels, conduisant à une suppression sous-optimale du scintillement et à des artéfacts de fantôme. Dans ce travail, nous montrons que les artéfacts de scintillement présentent deux caractéristiques intrinsèques, la périodicité et la directivité, et proposons Flickerformer, une architecture basée sur des transformers qui supprime efficacement le scintillement sans introduire de fantômes. Plus précisément, Flickerformer comprend trois composants clés : un module de fusion basé sur la phase (PFM), un réseau feed-forward par autocorrélation (AFFN) et un module d'attention directionnelle basé sur les ondelettes (WDAM). Sur la base de la périodicité, le PFM effectue une corrélation de phase inter-images pour agréger adaptativement les caractéristiques du burst, tandis que l'AFFN exploite les régularités structurelles intra-image via l'autocorrélation, améliorant conjointement la capacité du réseau à percevoir les motifs récurrents spatialement. De plus, motivé par la directivité des artéfacts de scintillement, le WDAM exploite les variations haute fréquence dans le domaine des ondelettes pour guider la restauration des régions sombres basse fréquence, permettant une localisation précise des artéfacts de scintillement. Des expériences approfondies démontrent que Flickerformer surpasse les approches de l'état de l'art à la fois en métriques quantitatives et en qualité visuelle. Le code source est disponible à l'adresse https://github.com/qulishen/Flickerformer.
English
Flicker artifacts, arising from unstable illumination and row-wise exposure inconsistencies, pose a significant challenge in short-exposure photography, severely degrading image quality. Unlike typical artifacts, e.g., noise and low-light, flicker is a structured degradation with specific spatial-temporal patterns, which are not accounted for in current generic restoration frameworks, leading to suboptimal flicker suppression and ghosting artifacts. In this work, we reveal that flicker artifacts exhibit two intrinsic characteristics, periodicity and directionality, and propose Flickerformer, a transformer-based architecture that effectively removes flicker without introducing ghosting. Specifically, Flickerformer comprises three key components: a phase-based fusion module (PFM), an autocorrelation feed-forward network (AFFN), and a wavelet-based directional attention module (WDAM). Based on the periodicity, PFM performs inter-frame phase correlation to adaptively aggregate burst features, while AFFN exploits intra-frame structural regularities through autocorrelation, jointly enhancing the network's ability to perceive spatially recurring patterns. Moreover, motivated by the directionality of flicker artifacts, WDAM leverages high-frequency variations in the wavelet domain to guide the restoration of low-frequency dark regions, yielding precise localization of flicker artifacts. Extensive experiments demonstrate that Flickerformer outperforms state-of-the-art approaches in both quantitative metrics and visual quality. The source code is available at https://github.com/qulishen/Flickerformer.