DAVANet：基于视角聚合的立体去模糊网络
计算机视觉与模式识别
2019-04-11 v1
摘要
如今，立体相机在双镜头智能手机和无人机等新兴设备中更为常见。然而，它们在动态场景中也遭受图像模糊的困扰，导致视觉不适并妨碍进一步的图像处理。先前的工作已在单目去模糊上取得成功，但针对立体图像去模糊的研究甚少。通过利用立体图像的双视角特性，我们提出了一种具有深度感知与视角聚合的新型立体图像去模糊网络，名为 DAVANet。在我们提出的网络中，融入了来自深度的三维场景线索和双视角的变化信息，有助于去除动态场景中复杂的空间变化模糊。具体而言，借助我们提出的融合网络，我们将双向视差估计与去模糊集成到统一框架中。此外，我们提出了一个大规模多场景立体去模糊数据集，包含来自 135 条多样序列的 20,637 对模糊-清晰立体图像对及其对应的双向视差。在我们数据集上的实验结果表明，DAVANet 在精度、速度和模型大小方面均优于 SOTA 方法。
引用
@article{arxiv.1904.05065,
title = {DAVANet: Stereo Deblurring with View Aggregation},
author = {Shangchen Zhou and Jiawei Zhang and Wangmeng Zuo and Haozhe Xie and Jinshan Pan and Jimmy Ren},
journal= {arXiv preprint arXiv:1904.05065},
year = {2019}
}
备注
CVPR 2019 (Oral)