中文

BOCCHI：基于 MSDCT-UNet 的更真实且更具挑战性的局部运动模糊检测基准

计算机视觉与模式识别 2026-07-11 v1
作者: Kuan-Lin Chen , Yuan-Kang Lee , Cheng-Yuan Chiang , Jian-Jiun Ding
在 arXiv 上查看 ↗ PDF ↗

摘要

局部运动模糊检测需要对模糊区域进行像素级定位。现有的基准测试让模型依赖于无法迁移的梯度捷径。我们引入了 BOCCHI（Blurred Objects Captured across Cameras with Human-annotated Imagery），一个真实拍摄的基准，其清晰区域与模糊梯度分布重叠，从而打破了这些捷径，并提出了 MSDCT-UNet（Multi-Scale Discrete Cosine Transform UNet），一种频率感知的编码器-解码器，通过 DCT Attention 和 FiLM 注入多尺度 DCT 先验。MSDCT-UNet 在 BOCCHI 上的域内 mIoU 和边界定位方面排名第一，并且仅使用 633 张训练图像，BOCCHI 训练的模型在跨数据集迁移方面优于所有其他训练来源。

关键词

运动模糊检测 基准测试 频率感知 UNet 域适应

引用

@article{arxiv.2607.10427,
  title  = {BOCCHI: A More Realistic and Challenging Benchmark for Local Motion Blur Detection with MSDCT-UNet},
  author = {Kuan-Lin Chen and Yuan-Kang Lee and Cheng-Yuan Chiang and Jian-Jiun Ding},
  journal= {arXiv preprint arXiv:2607.10427},
  year   = {2026}
}