真实场景中的运动去模糊
计算机视觉与模式识别
2017-08-30 v2
摘要
图像去模糊是一项非常不适定的问题，因为图像与模糊均未知。此外，当图片在真实场景中拍摄时，由于模糊在空间上变化以及物体间的遮挡，该任务变得更具挑战性。鉴于通用图像模型的复杂性，我们提出了一种新颖的卷积网络架构，其直接生成清晰图像。该网络分三个阶段构建，并利用了常用于盲去卷积的金字塔方案的优势。训练此类网络的主要困难之一是设计合适的数据集。虽然可通过合成模糊一组图像获得有用数据，但更真实的数据必须在真实场景中采集。为获取此类数据，我们使用高帧率视频相机，将一帧保留为清晰图像，并将帧平均作为对应的模糊图像。我们表明，该真实数据集是在实现 state-of-the-art 性能及处理遮挡方面的关键。
引用
@article{arxiv.1701.01486,
title = {Motion Deblurring in the Wild},
author = {Mehdi Noroozi and Paramanand Chandramouli and Paolo Favaro},
journal= {arXiv preprint arXiv:1701.01486},
year = {2017}
}