DAVID：双重注意力视频去模糊
计算机视觉与模式识别
2019-12-10 v1
摘要
盲视频去模糊在无任何先验下从模糊序列恢复清晰帧。这是一项具挑战性的任务，因为由相机抖动、物体运动和散焦引起的模糊在时间和空间维度上均是异质的。传统方法在由单一模糊级别合成的数据集上训练，因而不能很好泛化至不同模糊级别。为应对此挑战，我们提出一种双重注意力机制，以端到端可训练网络结构动态聚合时间线索用于去模糊。具体而言，内部注意力模块自适应选择恢复清晰中心帧的最优时间尺度。外部注意力模块自适应聚合并精炼来自为不同模糊级别设计的若干内部注意力模块的多个清晰帧估计。为在更多样模糊严重度级别上训练和评估，我们提出一个由原始 DVD 视频集通过汇聚不同时间窗口帧生成的 Challenging DVD 数据集。我们的框架在这一更具挑战性数据集上取得持续更优性能，同时在原始 DVD 基准上获得极具竞争力的结果。广泛的消融研究与定性可视化进一步展示了我们的方法在处理真实视频模糊上的优势。
引用
@article{arxiv.1912.03445,
title = {DAVID: Dual-Attentional Video Deblurring},
author = {Junru Wu and Xiang Yu and Ding Liu and Manmohan Chandraker and Zhangyang Wang},
journal= {arXiv preprint arXiv:1912.03445},
year = {2019}
}
备注
Accepted in WACV 2020