使用伪模糊合成器的人体与场景运动去模糊
计算机视觉与模式识别
2021-11-29 v1
摘要
当前基于深度学习的运动去模糊方法利用合成模糊与清晰数据对来回归特定框架。该任务旨在直接将模糊图像输入转换为其复原版本作为输出。上述方法严重依赖合成模糊数据的质量，而这些数据仅在训练阶段前可用。通过提供大量数据来解决此问题对于普通应用而言代价高昂。我们通过提供一个可在训练和测试阶段运行的即时模糊数据增强器来应对这一挑战。为充分利用它，我们采用了一种非传统的去模糊框架方案，该方案采用模糊-去模糊-再模糊-再去模糊的步骤序列。再模糊步骤由一个再模糊模块（合成器）辅助，该模块提供其清晰或去模糊对应物的再模糊版本（伪模糊）。所提出的模块还配备了利用最先进人体统计模型提取的手工设计先验。该先验在对抗学习期间用于映射人体和非人体区域，以充分感知人体关节运动和场景运动模糊的特征。通过采用这种方法，我们的去模糊模块变得具有自适应性，并取得了优于近期最先进去模糊算法的结果。
引用
@article{arxiv.2111.12911,
title = {Human and Scene Motion Deblurring using Pseudo-blur Synthesizer},
author = {Jonathan Samuel Lumentut and In Kyu Park},
journal= {arXiv preprint arXiv:2111.12911},
year = {2021}
}