用于去模糊的元迁移
计算机视觉与模式识别
2022-10-18 v1
摘要
以往大多数去模糊方法都建立在由模糊图像及其清晰对应图像训练的通用模型上。然而,由于训练集与测试集之间的域差距,这些方法可能得到次优的去模糊结果。本文提出一种重模糊-去模糊元迁移方案,以在无需真实标签的情况下实现动态场景去模糊的测试时自适应。由于在真实场景推理时真实标签通常不可用,我们利用模糊输入视频寻找并使用相对清晰的块作为伪真实标签。此外,我们提出一种重模糊模型,从模糊输入中提取同质模糊并将其迁移到伪清晰块上,以获得相应的伪模糊块,用于元学习及仅需少量梯度更新的测试时自适应。大量实验结果表明,我们的重模糊-去模糊元学习方案可提升DVD、REDS和RealBlur基准数据集上的最先进(SOTA)去模糊模型。
引用
@article{arxiv.2210.08036,
title = {Meta Transferring for Deblurring},
author = {Po-Sheng Liu and Fu-Jen Tsai and Yan-Tsung Peng and Chung-Chi Tsai and Chia-Wen Lin and Yen-Yu Lin},
journal= {arXiv preprint arXiv:2210.08036},
year = {2022}
}
备注
Accepted at BMVC 2022