面向智能手机相机的深度混合相机去模糊
计算机视觉与模式识别
2024-07-26 v2
摘要
尽管移动相机取得了重大进展，但由于传感器和镜头紧凑，在低光成像方面仍然存在困难，导致曝光时间延长和运动模糊。传统的盲反卷积方法和基于学习的去模糊方法可能是消除模糊的潜在解决方案。然而，实现实用的性能仍然是一个挑战。为了解决这个问题，我们提出了一种面向智能手机的基于学习的去模糊框架，利用广角和超广角相机作为混合相机系统。我们同时捕获长曝光广角图像和短曝光连拍超广角图像，并利用连拍图像对广角图像进行去模糊。为了充分利用连拍超广角图像，我们提出了 HCDeblur，这是一个实用的去模糊框架，包含新型去模糊网络 HC-DNet 和 HC-FNet。HC-DNet 利用从连拍图像中提取的运动信息对广角图像进行去模糊，HC-FNet 利用连拍图像作为参考图像进一步增强去模糊输出。为了训练和评估所提出的方法，我们引入了 HCBlur 数据集，该数据集由合成和真实世界数据集组成。我们的实验表明，HCDeblur 实现了最先进的去模糊质量。代码和数据集可在 https://cg.postech.ac.kr/research/HCDeblur 获取。
引用
@article{arxiv.2312.13317,
title = {Deep Hybrid Camera Deblurring for Smartphone Cameras},
author = {Jaesung Rim and Junyong Lee and Heemin Yang and Sunghyun Cho},
journal= {arXiv preprint arXiv:2312.13317},
year = {2024}
}
备注
SIGGRAPH 2024, Project page: http://cg.postech.ac.kr/research/HCDeblur