DeblurGAN：基于条件对抗网络的盲运动去模糊
计算机视觉与模式识别
2018-04-04 v4
摘要
我们提出DeblurGAN，一种端到端学习的运动去模糊方法。学习基于条件GAN(content loss)与内容损失。DeblurGAN在结构相似性度量与视觉外观上都达到了最先进的性能。去模糊模型的质量还在一个现实世界问题上以新颖方式进行了评估——(去)模糊图像上的目标检测。该方法比最接近的竞争者DeepDeblur快5倍。我们还引入了一种从清晰图像生成合成运动模糊图像的新方法，允许真实的数据集增强。模型、代码和数据集可在 https://github.com/KupynOrest/DeblurGAN 获取。
引用
@article{arxiv.1711.07064,
title = {DeblurGAN: Blind Motion Deblurring Using Conditional Adversarial Networks},
author = {Orest Kupyn and Volodymyr Budzan and Mykola Mykhailych and Dmytro Mishkin and Jiri Matas},
journal= {arXiv preprint arXiv:1711.07064},
year = {2018}
}
备注
CVPR 2018 camera-ready