MSSNet：用于单图像去模糊的多尺度阶段网络
计算机视觉与模式识别
2022-04-06 v3
摘要
深度学习之前的大多数传统单图像去模糊方法采用由粗到细的策略，即在粗尺度上估计清晰图像并在更细尺度上逐步细化。虽然该策略也被若干基于深度学习的方法所采用，但近来出现了一些单尺度方法，其在质量和计算时间上均表现出优于先前由粗到细方法的性能。本文重新审视由粗到细策略，并分析先前由粗到细方法中导致其性能退化的缺陷。基于该分析，我们提出 Multi-Scale-Stage Network (MSSNet)，一种基于深度学习的新颖单图像去模糊方法，针对这些缺陷采用了我们的补救措施。具体而言，MSSNet 采用了三个新颖的技术组件：反映模糊尺度的阶段配置、跨尺度信息传播方案，以及基于像素重排的多尺度方案。我们的实验表明，MSSNet 在质量、网络规模和计算时间方面均达到了最先进的（state-of-the-art, SOTA）性能。
引用
@article{arxiv.2202.09652,
title = {MSSNet: Multi-Scale-Stage Network for Single Image Deblurring},
author = {Kiyeon Kim and Seungyong Lee and Sunghyun Cho},
journal= {arXiv preprint arXiv:2202.09652},
year = {2022}
}