用于高效单图像盲去模糊的深度幂等网络
计算机视觉与模式识别
2022-10-19 v2
摘要
单图像盲去模糊是高度不适定的，因为潜在的清晰图像和模糊核均未知。尽管已取得显著进展，盲去模糊仍面临若干主要困难，包括高性能去模糊与实时处理之间的权衡。此外，我们观察到当前的单图像盲去模糊网络在重复应用再去模糊时无法进一步提升或稳定性能，反而会使性能显著下降。这意味着这些网络在建模理想去模糊过程方面存在局限。本工作中，我们为应对上述困难做出两点贡献：(1) 我们将幂等约束引入去模糊框架，提出一种深度幂等网络，以实现改进的盲非均匀去模糊性能并具备稳定的再去模糊能力。(2) 我们提出了一种简洁而高效的去模糊网络，具有轻量级编码器-解码器单元和循环结构，能够以渐进残差方式对图像去模糊。在合成与真实数据集上的大量实验证明了我们所提框架的优越性。值得注意的是，我们提出的网络规模仅为最先进方法的约 1/6.5，速度为其 6.4 倍，同时取得了相当的高性能。
引用
@article{arxiv.2210.07122,
title = {Deep Idempotent Network for Efficient Single Image Blind Deblurring},
author = {Yuxin Mao and Zhexiong Wan and Yuchao Dai and Xin Yu},
journal= {arXiv preprint arXiv:2210.07122},
year = {2022}
}
备注
The first two authors contributed equally, accepted by IEEE TCSVT(https://ieeexplore.ieee.org/document/9868799), Project page(https://npucvr.github.io/IdemDeblur/)