这篇论文最有意思的地方，不是"把 flicker 加进来处理"这么简单，而是它发现 flicker 竟然同时藏了两个密码——周期性，和方向性。论文用 FFT 把相位拆开一看，才发现 flicker 的空间分布全编码在相位里；而相机卷帘快门的逐行扫描，又让 flicker 天然带着方向。两把钥匙各司其职，这就是"duet（二重奏）"的由来。论文标题：It Takes Two: A Duet of Periodicity and Directionality for Burst Flicker Removal发表会议：CVPR 2026发表单位：南开大学（深圳·福田）、鹏城实验室、香港理工大学、OPPO 研究院原文链接：https://openaccess.thecvf.com/content/CVPR2026/papers/Qu_It_Takes_Two_A_Duet_of_Periodicity_and_Directionality_for_CVPR_2026_paper.pdf开源代码：https://github.com/qulishen/Flickerformer论文简称：Flickerformer手机拍室内照片时那道"光带"烦恼：Flicker 去除为何难？想象一个再常见不过的场景：晚上用手机拍一张室内照片，尤其是灯光比较亮的房间里，屏幕上经常出现一道道横向或者纵向的明暗条纹。这不是镜头问题，也不是对焦问题——这是 flicker（闪烁伪影）。原因其实藏在交流电（AC）供电里。室内灯源的光强是随 AC 频率周期性振荡的，而现代相机用的是卷帘快门（rolling shutter），逐行曝光。每一行的曝光时间差一点点，叠加在一起，就变成了图像上那些明暗交替的条纹。表面看 flicker 去除是"把条纹擦掉"，实际却是一道典型的视觉歧义题：flicker 是有结构的退化，不是像噪声那样随机分布的；它既有时域的周期性（AC 频率振荡），又有空域的方向性（卷帘快门扫描方向）；通用的图像修复模型——不管是做超分、去噪还是 HDR 的——都没有考虑这两点物理先验，结果往往要么去不干净，要么在运动区域引入鬼影（ghosting）。之前已经有人在这个方向做过尝试。Lin 等人最早用 CycleGAN 合成闪烁图像训练；Qu 等人建立了第一个 burst flicker 基准数据集 BurstDeflicker。但它们的共同问题在于：把 flicker 当成了"普通退化"处理，没有把它的物理先验真正嵌入网络结构里。这篇 CVPR 2026 论文，就是来补这块空白的。核心创新：先"分家"再"分工"，让周期性和方向性各司其职论文的方法论核心可以用一句话概括：从 flicker 的两个物理密码出发，设计三个专门的模块，把它们编织进一个 transformer 框架里。第一把钥匙：周期性（Periodicity）——相位里藏着空间分布论文开篇做了一个非常漂亮的观察实验（Fig. 1a）：把两张闪烁图像的 FFT相位分量互换，结果发现——flicker 的空间分布也跟着互换了。这说明什么？说明flicker 的相位信息直接编码了它的空间分布。基于这个发现，作者设计了两个模块：① 相位融合模块（PFM）——帧间配对PFM 的核心思想来自信号处理中的经典技术：相位相关（phase correlation）。具体来说：对每一帧做 FFT，得到振幅AAA和相位Φ\PhiΦ；计算基准帧和参考帧之间的相位相似度：St(k)=∣eiΦt(k)⊙e−iΦ1(k)∣S_t(k) = |e^{i\Phi_t(k)} \odot e^{-i\Phi_1(k)}|St(k)=∣eiΦt(k)
