Blur2seq：从单张带运动模糊图像中进行盲化去模糊与相机轨迹估计
计算机视觉与模式识别
2025-10-24 v1 机器学习
摘要
相机抖动导致的运动模糊尤其在大幅或旋转运动时，仍是图像修复中的主要挑战。我们提出一种深度学习框架，联合从单张模糊图像中估计潜在清晰图像和 underlying 相机运动轨迹。该方法利用 Projective Motion Blur Model (PMBM)，通过可与现代网络兼容的可微分模糊创建模块实现。神经网络预测完整的 3D 旋转轨迹，该轨迹指导一个基于模型的修复网络进行端到端训练。这种模块化体系结构通过揭示产生模糊的相机运动来提供可解释性。此外，该轨迹使我们能够重建产生观察模糊图像的清晰图像序列。为进一步优化结果，在推理后通过 reblur loss 对轨迹进行优化，提高了模糊输入与恢复输出之间的一致性。广泛的实验表明，我们的方法在合成和真实数据集上实现了最佳性能，尤其是在严重或空间变异模糊的情况下，端到端去模糊网络难以应对。代码和训练好的模型可在 https://github.com/GuillermoCarbajal/Blur2Seq/ 获取。
引用
@article{arxiv.2510.20539,
title = {Blur2seq: Blind Deblurring and Camera Trajectory Estimation from a Single Camera Motion-blurred Image},
author = {Guillermo Carbajal and Andrés Almansa and Pablo Musé},
journal= {arXiv preprint arXiv:2510.20539},
year = {2025}
}