人感知运动去模糊
计算机视觉与模式识别
2020-01-22 v1
摘要
本文提出一种人感知去模糊模型,该模型解耦前景(FG)人物与背景(BG)之间的运动模糊。所提模型基于三分支编码器-解码器架构。前两个分支分别用于锐化 FG 人物与 BG 细节;而第三个分支通过综合融合来自两个域的多尺度去模糊信息来产生全局、和谐的结果。该模型进一步以端到端方式赋予了有监督的人感知注意力机制。它学习一个编码 FG 人物信息的软掩码,并显式驱动 FG/BG 解码器分支聚焦于其特定域。为了进一步惠及人感知图像去模糊的研究,我们引入了一个大规模数据集,名为 HIDE,其包含 8,422 对模糊与清晰图像以及 65,784 个密集标注的 FG 人物边界框。HIDE 专门构建以涵盖广泛的场景、人体目标尺寸、运动模式与背景复杂度。在公开基准与我们的数据集上的大量实验表明,我们的模型相对于最先进的运动去模糊方法表现更优,尤其在捕捉语义细节方面。
引用
@article{arxiv.2001.06816,
title = {Human-Aware Motion Deblurring},
author = {Ziyi Shen and Wenguan Wang and Xiankai Lu and Jianbing Shen and Haibin Ling and Tingfa Xu and Ling Shao},
journal= {arXiv preprint arXiv:2001.06816},
year = {2020}
}
备注
ICCV2019 paper. Website: https://github.com/joanshen0508/HA_deblur