深度视频去模糊：细节决定成败

手持相机的视频去模糊是一项具有挑战性的任务，因为其潜在模糊由相机抖动与物体运动共同引起。最先进的深度网络利用来自相邻帧的时间信息，或通过时空变换器，或通过循环架构。与这些复杂模型相反，我们发现当对模型和训练过程的细节给予特别留意时，一个简单的基线 CNN 可以表现得惊人地好。为此，我们针对这些关键细节进行了全面研究，揭示了在定量与定性性能上的极大差异。利用这些细节使我们能够将简单基线 CNN 的架构与训练过程提升惊人的 3.15dB，从而使其与前沿网络极具竞争力。这引发了一个问题：即模型间所报告的精度差异是否总是由技术贡献所致，还是同样受制于此类正交但关键的细节。