基于事件的运动去模糊学习
计算机视觉与模式识别
2020-04-14 v1
摘要
从运动模糊图像中恢复清晰视频序列是高度不适定的，因为模糊过程中运动信息有显著损失。然而，对于事件相机，快速运动可作为事件以高时间速率被捕获，为探索有效解决方案提供了新机遇。本文中，我们从基于事件的运动去模糊的顺序公式出发，进而展示其优化如何通过一个新颖的端到端深度架构展开。所提架构是一个卷积循环神经网络，以原则性方式整合全局与局部尺度的视觉与时间知识。为进一步提升重建质量，我们提出一个可微方向性事件滤波模块，以从事件流中有效提取丰富的边界先验。我们在合成GoPro数据集和大型新引入的由DAVIS240C相机捕获的数据集上进行了大量实验。所提方法实现了最先进的重建质量，并对处理真实世界运动模糊具有更好的泛化能力。
引用
@article{arxiv.2004.05794,
title = {Learning Event-Based Motion Deblurring},
author = {Zhe Jiang and Yu Zhang and Dongqing Zou and Jimmy Ren and Jiancheng Lv and Yebin Liu},
journal= {arXiv preprint arXiv:2004.05794},
year = {2020}
}
备注
Accepted to CVPR 2020