GS-Blur：一个基于3D场景的真实图像去模糊数据集

为了训练去模糊网络，一个包含成对模糊与清晰图像的合适数据集至关重要。现有数据集要么通过合成方式聚合连续清晰帧来生成模糊图像，要么使用复杂的摄像系统来捕捉真实模糊。然而，这些方法提供的模糊类型（模糊轨迹）多样性有限，或者需要大量人力来重建大规模数据集，无法完全反映真实世界的模糊场景。为了解决这个问题，我们提出了GS-Blur，这是一个使用新颖方法创建的合成真实模糊图像数据集。为此，我们首先使用3D高斯泼溅（3DGS）从多视图图像重建3D场景，然后通过沿随机生成的运动轨迹移动相机视角来渲染模糊图像。通过在重建我们的GS-Blur时采用各种相机轨迹，我们的数据集包含了真实且多样的模糊类型，提供了一个能很好地泛化到真实世界模糊的大规模数据集。通过将GS-Blur与各种去模糊方法结合使用，我们证明了与之前的合成或真实模糊数据集相比，它能有效泛化，并在去模糊性能上显示出显著提升。