用于高效视频去模糊的自适应高通核预测
计算机视觉与模式识别
2024-12-03 v1
摘要
现有的视频去模糊方法使用深度网络架构恢复锐化视频帧。然而，模糊处理尤其会损坏高频（HF）信息，而近期模型往往关注增强架构设计，忽略了这一方面。恢复这些细节颇具挑战，部分原因在于神经网络具有偏谬性，倾向于学习低频函数。为此，我们强制网络结构显式捕获细节和边缘。我们动态预测由高通基核的线性组合生成的自适应高通核，以提取高频特征。该策略高度有效，训练时内存占用低，推理时运行速度快，同时在与低预算模型进行比较时实现了最先进效果。代码可在 https://github.com/jibo27/AHFNet 获取。
引用
@article{arxiv.2412.01559,
title = {Adaptive High-Pass Kernel Prediction for Efficient Video Deblurring},
author = {Bo Ji and Angela Yao},
journal= {arXiv preprint arXiv:2412.01559},
year = {2024}
}
备注
Accepted by WACV 2025