基于陀螺仪辅助与深度网络的运动去模糊
计算机视觉与模式识别
2018-11-26 v2
摘要
我们提出了一种将陀螺仪测量值融入卷积神经网络（CNN）的去模糊方法。在此类测量值的辅助下，该方法能够处理极强且空间变化的运动模糊。同时，图像数据被用于克服基于陀螺仪的模糊估计的局限性。为训练我们的网络，我们还引入了一种利用陀螺仪生成逼真训练数据的新方法。评估表明，相较于当前最优方法，该方法在视觉质量上有明显提升，同时实现了实时性能。此外，该方法被证明能够提升现有特征检测器与描述子应对运动模糊的性能。
引用
@article{arxiv.1810.00986,
title = {Gyroscope-Aided Motion Deblurring with Deep Networks},
author = {Janne Mustaniemi and Juho Kannala and Simo Särkkä and Jiri Matas and Janne Heikkilä},
journal= {arXiv preprint arXiv:1810.00986},
year = {2018}
}