用于非均匀盲去模糊的边缘启发式GAN
图像与视频处理
2019-12-05 v1 计算机视觉与模式识别
摘要
非均匀模糊主要由相机抖动与多物体运动引起，是图像质量退化最常见的原因之一。然而，基于模糊核估计的传统盲去模糊方法在复杂非均匀运动模糊上表现不佳。近期研究表明，基于GAN的方法在去模糊任务上取得了令人印象深刻的性能。在本文中，为进一步提升基于GAN的方法在去模糊任务上的性能，我们提出了一种边缘启发式多尺度生成对抗网络（GAN），其采用“由粗到精”方案以端到端方式恢复清晰图像。特别地，设计了一个边缘增强网络以生成锐利边缘作为辅助信息来引导去模糊过程。此外，我们提出了一种用于去模糊任务的分层内容损失函数。在不同数据集上的大量实验表明，我们的方法在动态场景去模糊中达到了最先进的性能。
引用
@article{arxiv.1907.05185,
title = {Edge Heuristic GAN for Non-uniform Blind Deblurring},
author = {Shuai Zheng and Zhenfeng Zhu and Jian Cheng and Yandong Guo and Yao Zhao},
journal= {arXiv preprint arXiv:1907.05185},
year = {2019}
}
备注
5 pages, 3 figures