FCL-GAN：一种轻量且实时的无监督盲图像去模糊基线
摘要
盲图像去模糊（BID）仍是一项具挑战且重要的任务。得益于深度学习的强拟合能力，成对数据驱动的有监督 BID 方法已取得巨大进展。然而，成对数据通常由人工合成，且真实模糊比合成模糊更为复杂，这使得有监督方法不擅建模真实模糊并阻碍其现实应用。因此，无需成对数据的无监督深度 BID 方法具备一定优势，但现有方法仍存在若干缺陷，例如模型庞大、推理时间长、对图像分辨率与领域有严苛要求。本文提出一种轻量且实时的无监督 BID 基线，称为频域对比损失约束轻量循环 GAN（简称 FCL-GAN），具有无图像领域限制、无图像分辨率限制、比 SOTA 轻 25 倍、比 SOTA 快 5 倍等吸引人的特性。为保障轻量属性与性能优势，设计了两个新协作单元：轻量域转换单元（LDCU）与无参数频域对比单元（PFCU）。LDCU 主要以轻量方式实现域间转换。PFCU 进一步在频域探究模糊域与清晰域图像间的相似性度量、外部差异与内部关联，且不引入额外参数。在多个图像数据集上的大量实验证明了我们的 FCL-GAN 在性能、模型规模与参考时间方面的有效性。
引用
@article{arxiv.2204.07820,
title = {FCL-GAN: A Lightweight and Real-Time Baseline for Unsupervised Blind Image Deblurring},
author = {Suiyi Zhao and Zhao Zhang and Richang Hong and Mingliang Xu and Yi Yang and Meng Wang},
journal= {arXiv preprint arXiv:2204.07820},
year = {2022}
}
备注
Please cite this work as: Suiyi Zhao, Zhao Zhang, Richang Hong, Mingliang Xu, Yi Yang and Meng Wang, "FCL-GAN: A Lightweight and Real-Time Baseline for Unsupervised Blind Image Deblurring," In: Proceedings of the 30th ACM International Conference on Multimedia (ACM MM), Lisbon, Portugal, June 2022