面向真实场景的基于事件的运动去模糊泛化方法

基于事件的运动去模糊通过利用低延迟事件已展现出有前景的结果。然而，当前方法在实际使用中存在局限，因为它们假设输入具有相同的空间分辨率以及特定的模糊分布。本工作针对这些局限，旨在泛化基于事件去模糊在真实场景中的性能。我们提出一种尺度感知网络，允许灵活的输入空间尺度，并能够从运动模糊的不同时间尺度中学习。随后开发了一种两阶段自监督学习方案以拟合真实世界数据分布。通过利用模糊程度的相对性，我们的方法高效确保潜在图像的恢复亮度与结构，并进一步以自蒸馏方式泛化去模糊性能以处理变化的空间与时间尺度运动模糊。我们的方法经过广泛评估，展现出卓越性能，并且我们还引入了一个由多尺度模糊帧与事件组成的真实世界数据集，以促进基于事件去模糊的研究。