高效局部运动模糊的 Motion-Aware 自适应像素剪枝

数字图像中的局部运动模糊源于动态对象与静止成像系统在曝光期间的相对运动。现有去模糊方法因资源分配不均和难以处理空间变化模糊模式而面临重大挑战。为克服这些限制，我们首先提出一个可训练的 mask 预测器，用于识别图像中的模糊区域。在训练期间，我们利用模糊 mask 来排除锐利区域。为优化推理，我们通过将 3×3 卷积转换为计算更高效的 1×1 卷积来实现结构重参数化，实现对锐利区域的像素级剪枝以降低计算量。其次，我们开发了一个帧内运动分析器，将相对像素位移转化为运动轨迹，为区域特定的模糊恢复建立自适应指导。我们使用由标注模糊 mask 引导的重建 loss、reblur loss 和 mask loss 进行端到端训练。广泛的实验表明，我们的方法在本地和全局模糊数据集上均优于最先进的方法，同时将 FLOPs 降低约 49%（例如 LMD-ViT）。源代码可在 https://github.com/shangwei5/M2AENet 获取。