利用时间锐度先验的级联深度视频去模糊
计算机视觉与模式识别
2020-04-07 v1
摘要
我们提出一种简单而有效的深度卷积神经网络（CNN）模型用于视频去模糊。所提算法主要由中间潜帧的光流估计与潜帧复原步骤构成。它首先构建深度CNN模型从中间潜帧估计光流，随后基于估计的光流复原潜帧。为更好地利用视频中的时间信息，我们提出一种时间锐度先验来约束深度CNN模型以辅助潜帧复原。我们开发了一种有效的级联训练方法，并以端到端方式联合训练所提CNN模型。我们表明，探索视频去模糊的领域知识能够使深度CNN模型更紧凑高效。大量实验结果表明，在基准数据集及真实世界视频上，所提算法相较最先进方法表现更优。
引用
@article{arxiv.2004.02501,
title = {Cascaded Deep Video Deblurring Using Temporal Sharpness Prior},
author = {Jinshan Pan and Haoran Bai and Jinhui Tang},
journal= {arXiv preprint arXiv:2004.02501},
year = {2020}
}
备注
CVPR 2020. The code is available at https://github.com/csbhr/CDVD-TSP