面向运动去模糊的非配对数据神经最大后验估计
计算机视觉与模式识别
2022-04-27 v1 图像与视频处理
摘要
真实世界动态场景去模糊长期以来一直是一项具有挑战性的任务，因为无法获得配对的模糊-清晰训练数据。传统的最大后验估计和基于深度学习的去模糊方法分别受到手工先验和合成模糊-清晰训练对的限制，因此无法泛化到真实的动态模糊。为此，我们提出了一种神经最大后验（NeurMAP）估计框架，用于训练神经网络从非配对数据中恢复盲运动信息和清晰内容。所提出的NeurMAP由一个运动估计网络和一个去模糊网络组成，它们被联合训练以建模（重）模糊过程（即似然函数）。同时，运动估计网络被训练通过应用隐式动态运动先验来探索图像中的运动信息，并反过来强化去模糊网络的训练（即提供清晰图像先验）。所提出的NeurMAP是对现有去模糊神经网络的一种正交方法，并且是第一个能够在非配对数据集上训练图像去模糊网络的框架。实验证明，我们在定量指标和视觉质量方面均优于最先进的方法。代码可在https://github.com/yjzhang96/NeurMAP-deblur获取。
引用
@article{arxiv.2204.12139,
title = {Neural Maximum A Posteriori Estimation on Unpaired Data for Motion Deblurring},
author = {Youjian Zhang and Chaoyue Wang and Dacheng Tao},
journal= {arXiv preprint arXiv:2204.12139},
year = {2022}
}