MCMS：用于盲运动去模糊的多类别信息与多尺度条纹注意力
计算机视觉与模式识别
2024-05-03 v1
摘要
近年来，基于深度学习的运动去模糊技术取得了显著进展。然而，这类技术并未仔细研究模糊图像的固有缺陷。例如，边缘和结构信息含量低是模糊图像的特征。模糊图像的高频分量是边缘信息，低频分量是结构信息。本文提出了一种基于多类别信息和多尺度条纹注意力机制的盲运动去模糊网络（MCMS）。鉴于高频和低频分量各自的特征，设计了一个三阶段的编码器-解码器模型。具体而言，第一阶段侧重于提取高频分量的特征，第二阶段集中于提取低频分量的特征，第三阶段将提取的低频分量特征、提取的高频分量特征以及原始模糊图像进行整合，以恢复最终的清晰图像。因此，该模型通过融合高频分量的边缘信息和低频分量的结构信息，有效改善了运动去模糊效果。此外，还开发了一种分组特征融合技术，以在深层实现对各类特征更丰富、更具立体感和更全面的利用。接着，设计了一种多尺度条纹注意力机制（MSSA），该机制有效地结合了图像的各向异性和多尺度信息，这一举措显著增强了深度模型在特征表示方面的能力。在多个数据集上的大规模对比研究表明，本文的策略优于近期发表的方法。
引用
@article{arxiv.2405.01083,
title = {MCMS: Multi-Category Information and Multi-Scale Stripe Attention for Blind Motion Deblurring},
author = {Nianzu Qiao and Lamei Di and Changyin Sun},
journal= {arXiv preprint arXiv:2405.01083},
year = {2024}
}