CAR-Net：一种用于旋转运动模糊的级联细化网络
计算机视觉与模式识别
2025-12-02 v1
摘要
我们提出一种新型神经网络架构，称为 CAR-net (CAscade Refinement Network)，用于去除受旋转运动模糊的图像。我们的架构专为半盲场景设计，其中仅能获得旋转运动模糊角度的噪声信息。我们方法的核心是分阶段的细化过程：从频域反卷积获得初始去模糊估计；随后一系列细化阶段对当前去模糊图像进行预测并施加残差校正，逐步抑制伪影并恢复细节。为处理参数不确定性，我们的架构支持可选的角度检测模块，可与细化模块一起进行端到端训练。我们详细描述了该架构，并通过使用合成图像和真实图像的实验说明了其效率。我们的代码、模型以及数据集链接均已公开于 https://github.com/tony123105/CAR-Net。
引用
@article{arxiv.2512.00700,
title = {CAR-Net: A Cascade Refinement Network for Rotational Motion Deblurring under Angle Information Uncertainty},
author = {Ka Chung Lai and Ahmet Cetinkaya},
journal= {arXiv preprint arXiv:2512.00700},
year = {2025}
}
备注
Accepted to AAIML 2026