模糊注意力：一种用于非均匀模糊图像复原的增强机制
图像与视频处理
2020-08-20 v1 计算机视觉与模式识别
摘要
动态场景去模糊是计算机视觉中的一个具有挑战性的问题。传统方法难以准确估计空间变化的模糊核。基于数据驱动的方法通常采用无核的端到端映射方案，容易忽视核估计。为解决此问题，我们提出一个模糊注意力模块，以动态捕获非均匀模糊图像的空间变化特征。该模块由DenseBlock单元与具有多池化特征融合的空间注意力单元组成，能够有效提取复杂的空间变化模糊特征。我们设计了一种多级残差连接结构，将多个模糊注意力模块相连形成模糊注意力网络。通过将模糊注意力网络引入条件生成对抗框架，我们提出了一种端到端的单图像盲运动去模糊方法，即Blur-Attention-GAN（BAG）。我们的方法能够根据空间变化的模糊特征自适应地选择所提取特征的权重，并动态复原图像。实验结果表明，我们的方法的去模糊能力在PSNR、SSIM以及主观视觉质量方面均取得了出色的客观性能。此外，通过可视化模糊注意力模块提取的特征，对其有效性进行了全面讨论。
引用
@article{arxiv.2008.08526,
title = {Blur-Attention: A boosting mechanism for non-uniform blurred image restoration},
author = {Xiaoguang Li and Feifan Yang and Kin Man Lam and Li Zhuo and Jiafeng Li},
journal= {arXiv preprint arXiv:2008.08526},
year = {2020}
}