用于景深反模糊的高效深度和 spatially-varying 图像仿真
计算机视觉与模式识别
2025-10-28 v1 图像与视频处理
摘要
现代 cameras 常因浅景深而导致焦平面外物体出现模糊，这在固定焦距相机（如智能眼镜）中尤为突出，由于体积和功耗限制，难以添加自动对焦机制。由于每个相机系统都具有独特的光学畸变和景深特性，训练在现有开源数据集上的深度学习模型常常存在域间差距，难以在实际场景中取得佳绩。本文提出一种高效且可扩展的数据集合成方法，无需依赖真实数据微调。该方法同时建模深度相关的景深模糊和 spatially varying 光学畸变，既解决了计算复杂度问题，又弥补了高质量RGB-D数据稀缺的局限。实验结果表明，在 diverse 场景下的高分辨率（12MP）真实图像上，基于我们低分辨率合成图像训练的网络能够有效泛化。
引用
@article{arxiv.2507.00372,
title = {Efficient Depth- and Spatially-Varying Image Simulation for Defocus Deblur},
author = {Xinge Yang and Chuong Nguyen and Wenbin Wang and Kaizhang Kang and Wolfgang Heidrich and Xiaoxing Li},
journal= {arXiv preprint arXiv:2507.00372},
year = {2025}
}