基于真实事件的运动去模糊
计算机视觉与模式识别
2021-09-29 v1
摘要
本文提出一种端到端自监督的基于事件的运动去模糊学习框架，利用真实世界事件来缓解数据不一致导致的性能退化。为此，从事件中预测光流，并借助模糊一致性与光度一致性，以真实世界数据对去模糊网络实现自监督。此外，提出分段线性运动模型以考虑运动非线性，从而建立真实场景下运动模糊物理形成的精确模型。在合成与真实运动模糊数据集上的大量评估表明，所提算法弥合了模拟与真实世界运动模糊之间的差距，并在真实场景的基于事件的运动去模糊中展现出卓越性能。
引用
@article{arxiv.2109.13695,
title = {Motion Deblurring with Real Events},
author = {Fang Xu and Lei Yu and Bishan Wang and Wen Yang and Gui-Song Xia and Xu Jia and Zhendong Qiao and Jianzhuang Liu},
journal= {arXiv preprint arXiv:2109.13695},
year = {2021}
}