使用分析-合成网络对的去模糊
计算机视觉与模式识别
2020-04-08 v1 机器学习
图像与视频处理
摘要
盲图像去模糊对现代人工神经网络而言仍具挑战性。与其他图像复原问题不同，在均匀与3D模糊模型下，去模糊网络的性能落后于现有去模糊算法。这源于未知模糊核对已去模糊算子的多样且深刻影响。我们提出一种新架构，将去模糊网络拆分为估计模糊的分析网络，以及利用该核去模糊图像的合成网络。与现有去模糊网络不同，该设计使我们能在网络训练中显式引入模糊核。此外，我们引入新的互相关层以更好地估计模糊，以及独特组件使估计模糊能控制合成去模糊动作。在既定基准数据集上评估新方法，显示其能在多项测试中达到SOTA去模糊精度，并大幅加快运行速度。
引用
@article{arxiv.2004.02956,
title = {Deblurring using Analysis-Synthesis Networks Pair},
author = {Adam Kaufman and Raanan Fattal},
journal= {arXiv preprint arXiv:2004.02956},
year = {2020}
}