ClearSight：面向基于事件的运动去模糊的人类视觉启发方案

运动去模糊旨在解决因相机或场景运动导致的图像模糊问题。事件相机提供编码于异步事件流中的运动信息。为高效利用事件流的时间信息，本文采用基于脉冲神经网络（SNN）进行运动特征提取、基于人工神经网络（ANN）进行颜色信息处理。鉴于事件数据非均匀分布和内在冗余，现有跨模态特征融合方法存在局限性。受人类视觉系统中视觉注意机制启发，本研究引入一种受生物启发的双驱动混合网络（BDHNet）。具体而言，设计了神经元配置模块（NCM），以动态方式基于跨模态特征调整神经元配置，从而聚焦于模糊区域的脉冲并适应不同模糊场景。此外，引入模糊区域注意力模块（RBAM），以无监督方式生成模糊掩码，有效从事件特征中提取运动线索并引导更精确的跨模态特征融合。大量主观和客观评估表明，本方法在合成数据集和真实世界数据集上均优于当前最先进的方法。