用于渐进式非均匀单图像去模糊的多时间循环神经网络及增量时间训练
图像与视频处理
2019-11-19 v1 计算机视觉与模式识别
摘要
多尺度(MS)方法已被广泛研究用于盲单图像/视频去模糊，其先在低空间尺度顺序恢复去模糊图像，随后以低尺度输出作为基础在高空间尺度恢复。MS方法对于高空间尺度下由大幅运动引起的严重模糊尤其有效，因为这些模糊在低空间尺度下可视为小模糊。在本工作中，我们研究一种替代MS的方法，称为多时间(MT)方法，用于非均匀单图像去模糊。我们提出利用从时间分辨数据集构建的MT层级数据集进行增量时间训练，开发具有循环特征图的新型MT-RNN，并研究迭代上的渐进式单图像去模糊。我们提出的MT方法在GoPro数据集上以最少参数量在PSNR上优于最先进的MS方法。
引用
@article{arxiv.1911.07410,
title = {Multi-Temporal Recurrent Neural Networks For Progressive Non-Uniform Single Image Deblurring With Incremental Temporal Training},
author = {Dongwon Park and Dong Un Kang and Jisoo Kim and Se Young Chun},
journal= {arXiv preprint arXiv:1911.07410},
year = {2019}
}
备注
10 pages, 8 figures, 6 tables, work in progress