NFResNet：用于去模糊的多尺度与 U 形网络
计算机视觉与模式识别
2023-12-13 v2 图像与视频处理
摘要
多尺度与 U 形网络被广泛应用于包括去模糊在内的各种图像复原问题中。考虑到广泛的应用范围，我们给出了这些架构及其对图像去模糊影响的对比分析。我们还引入了一个称为 NFResblock 的新模块。它由快速傅里叶变换层和一系列改进的无非线性激活块组成。基于这些架构与补充结构，我们提出了 NFResnet 和 NFResnet+，它们分别是改进的多尺度与 U-Net 架构。我们还使用三种不同的损失函数来训练这些架构：Charbonnier 损失、边缘损失和频域重建损失。本文在 Deep Video Deblurring 数据集上进行了大量实验，并对各组件进行了消融研究。所提出的架构在峰值信噪比（PSNR）和结构相似性指数（SSIM）值上取得了显著提升。
引用
@article{arxiv.2212.05909,
title = {NFResNet: Multi-scale and U-shaped Networks for Deblurring},
author = {Tanish Mittal and Preyansh Agrawal and Esha Pahwa and Aarya Makwana},
journal= {arXiv preprint arXiv:2212.05909},
year = {2023}
}
备注
Due to limitations in GPU Compute, We weren't able to test the paper on the popularly used GoPro Dataset which is mostly used for testing image deblurring problems. Afterwards the submission on Arxiv, We observed that we missed comparison of our results with some State-of-the-art papers like ARVo & Gated Spatio-Temporal Attention-Guided Video Deblurring