基于循环生成对抗网络的盲运动去模糊
计算机视觉与模式识别
2019-01-09 v2
摘要
盲运动去模糊是图像处理与计算机视觉中最基础且最具挑战性的问题之一。其目标是从模糊图像中恢复清晰图像，而对模糊过程一无所知。许多现有方法使用最大后验（MAP）或期望最大化（EM）框架处理此类问题，但无法很好处理自然图像的高频特征。最近，深度神经网络已成为图像去模糊的有力工具。在本文中，我们证明编码器-解码器架构在图像去模糊任务中给出更好结果。此外，我们提出一种新颖的端到端学习模型，其通过多种新颖训练策略精炼生成对抗网络，以应对去模糊问题。实验结果表明，我们的模型能很好捕捉高频特征，且在基准数据集上的结果显示所提模型取得了有竞争力的性能。
引用
@article{arxiv.1901.01641,
title = {Blind Motion Deblurring with Cycle Generative Adversarial Networks},
author = {Quan Yuan and Junxia Li and Lingwei Zhang and Zhefu Wu and Guangyu Liu},
journal= {arXiv preprint arXiv:1901.01641},
year = {2019}
}