AdaRevD：自适应补丁退出的可逆解码器推动图像去模糊极限
计算机视觉与模式识别
2024-06-14 v1
摘要
尽管近期在提升图像去模糊效果方面取得了进展，但有限的解码能力制约了最先进（SOTA）方法的上限。本文提出了一项开创性工作——自适应补丁退出可逆解码器（AdaRevD），以探索其不足的解码能力。通过继承训练良好的编码器的权重，我们重构了一个可逆解码器，它将单解码器训练扩展为多解码器训练，同时保持对GPU内存友好。同时，我们展示了我们的可逆结构如何从紧凑的退化表示中逐步解耦高级退化程度和低级模糊模式（模糊图像与其清晰对应物的残差）。此外，由于空间变化的运动模糊核，不同的模糊补丁具有不同的去模糊难度。我们进一步引入一个分类器来学习图像补丁的退化程度，使它们能够在不同的子解码器处退出以实现加速。实验表明，我们的AdaRevD推动了图像去模糊的极限，例如，在GoPro数据集上实现了34.60 dB的峰值信噪比（PSNR）。
引用
@article{arxiv.2406.09135,
title = {AdaRevD: Adaptive Patch Exiting Reversible Decoder Pushes the Limit of Image Deblurring},
author = {Xintian Mao and Qingli Li and Yan Wang},
journal= {arXiv preprint arXiv:2406.09135},
year = {2024}
}