基于锐度的损失函数用于去除非焦点模糊
图像与视频处理
2024-08-13 v1 计算机视觉与模式识别
摘要
现代深度神经网络（DNN）方法之所以取得成功，归因于其采用均值绝对误差（MAE）或均方误差（MSE）等复杂优化准则之外的标准损失函数。本文提出一种新方法，利用 Zhu 和 Milanfar 引入的无参考锐度指标 Q，用于去除图像中的非焦点模糊。我们还引入了一套真实世界非焦点图像数据集，用于评估恢复模型。经调优的方法相较于仅使用 MAE 训练的标准模型，感知质量（LPIPS）提高 7.5%；在大多数最先进（SOTA）方法上，Q 指标提高 6.7%（反映更锐利的恢复效果），PSNR 提高 7.25%。
引用
@article{arxiv.2408.06014,
title = {A Sharpness Based Loss Function for Removing Out-of-Focus Blur},
author = {Uditangshu Aurangabadkar and Darren Ramsook and Anil Kokaram},
journal= {arXiv preprint arXiv:2408.06014},
year = {2024}
}
备注
6 pages, IEEE MMSP