利用空洞空间金字塔可变形卷积与去模糊-重模糊一致性的盲非均匀运动去模糊
计算机视觉与模式识别
2022-04-25 v2
摘要
许多基于深度学习的方法旨在去除由物体运动和相机抖动引起的非均匀（空间变化）运动模糊，而无需知道模糊核。一些方法直接在一阶段输出潜在的清晰图像，另一些则利用多阶段策略（如多尺度、多块或多时序）逐步恢复清晰图像。然而，这些方法存在以下两个主要问题：1）多阶段的计算成本高；2）在不同区域应用相同的卷积核，这对于非均匀模糊并非理想选择。因此，非均匀运动去模糊仍是一个具有挑战性的开放问题。本文提出一种新架构，由多个空洞空间金字塔可变形卷积（ASPDC）模块组成，以更灵活的方式端到端地去除图像模糊。多个ASPDC模块在同一层中以不同膨胀率隐式学习像素特定的运动，以处理不同幅度的运动。为改进训练，我们还提出一个重模糊网络将去模糊输出映射回模糊输入，从而约束解空间。实验结果表明，所提方法在基准数据集上优于当前最先进的方法。代码可在 https://github.com/Dong-Huo/ASPDC 获取。
引用
@article{arxiv.2106.14336,
title = {Blind Non-Uniform Motion Deblurring using Atrous Spatial Pyramid Deformable Convolution and Deblurring-Reblurring Consistency},
author = {Dong Huo and Abbas Masoumzadeh and Yee-Hong Yang},
journal= {arXiv preprint arXiv:2106.14336},
year = {2022}
}
备注
CVPRW 2022