基于轻量级多信息融合网络的图像去模糊
计算机视觉与模式识别
2026-01-28 v2 机器学习
摘要
近年来，基于深度学习的图像去模糊得到了良好发展。然而，在深度学习框架中挖掘精细的图像特征往往需要大量参数，这不可避免地使网络承受较高的计算负担。为解决该问题，我们提出了一种用于图像去模糊的轻量级多信息融合网络（LMFN）。所提出的 LMFN 被设计为编码器-解码器架构。在编码阶段，图像特征被缩减到多个小尺度空间以进行多尺度信息提取与融合，且不会造成大量信息损失。随后，在解码阶段使用蒸馏网络，使网络在充分保持轻量的同时从残差学习中获益最多。同时，蒸馏模块与特征通道之间的信息融合策略也通过注意力机制实现。通过在我们提出的方法中融合不同信息，我们的网络能以更少的参数取得最先进的图像去模糊结果，并在模型复杂度上优于现有方法。
引用
@article{arxiv.2101.05403,
title = {Image deblurring based on lightweight multi-information fusion network},
author = {Yanni Zhang and Yiming Liu and Qiang Li and Miao Qi and Dahong Xu and Jun Kong and Jianzhong Wang},
journal= {arXiv preprint arXiv:2101.05403},
year = {2026}
}