ARVo：学习用于视频去模糊的全范围体素对应
计算机视觉与模式识别
2021-03-09 v1 人工智能
摘要
视频去模糊模型利用连续帧去除由相机抖动与物体运动引起的模糊。为利用相邻清晰块，典型方法主要依赖单应性或光流对相邻模糊帧进行空间对齐。然而，此类显式方法在具有大像素位移的快速运动下效果较差。本工作中，我们提出一种新颖的隐式方法，在特征空间中学习模糊帧间的空间对应。为构建远距离像素对应，我们的模型在相邻帧所有像素对间建立相关体金字塔。为增强参考帧特征，我们设计了一个相关聚合模块，基于该体金字塔最大化其像素对与邻域的相关性。最后，我们将聚合特征送入重建模块以获得复原帧。我们设计生成对抗范式以渐进优化模型。所提方法在广泛采用的DVD数据集及新收集的用于视频去模糊的高帧率（1000 fps）数据集（HFR-DVD）上评估。定量与定性实验表明，我们的模型在两者数据集上均优于先前最先进方法，证实了为视频去模糊建模全范围空间对应的益处。
引用
@article{arxiv.2103.04260,
title = {ARVo: Learning All-Range Volumetric Correspondence for Video Deblurring},
author = {Dongxu Li and Chenchen Xu and Kaihao Zhang and Xin Yu and Yiran Zhong and Wenqi Ren and Hanna Suominen and Hongdong Li},
journal= {arXiv preprint arXiv:2103.04260},
year = {2021}
}
备注
Preprint for CVPR 2021 Poster