原始图像去模糊
图像与视频处理
2020-12-09 v1 计算机视觉与模式识别
多媒体
摘要
基于深度学习的盲图像去模糊在解决图像模糊问题中起着至关重要的作用，因为所有现有的核函数在建模真实世界模糊方面均存在局限。迄今为止，研究者聚焦于利用强大的模型来处理去模糊问题并取得了不错的结果。在本工作中，我们从一个新角度发现直接从RAW图像进行图像增强（例如去模糊）的巨大机会，并探究有益于基于RAW学习的新颖神经网络结构。然而，据我们所知，目前尚无可用的RAW图像去模糊数据集。因此，我们构建了一个包含RAW图像与处理后的sRGB图像的新数据集，并设计了一个新模型以利用RAW图像的独特特性。所提出的去模糊模型仅使用RAW图像训练，达到了最先进（SOTA）性能，并优于那些在处理的sRGB图像上训练的模型。此外，通过微调，在我们新数据集上训练的所提模型可泛化至其他传感器。另外，通过一系列实验，我们证明现有的去模糊模型也可通过在我们新数据集的RAW图像上训练而得到改进。最终，我们基于所设计的基于RAW的新颖去模糊方法与全新的Deblur-RAW数据集，展示了一个用于进一步探索的新途径。
引用
@article{arxiv.2012.04264,
title = {Raw Image Deblurring},
author = {Chih-Hung Liang and Yu-An Chen and Yueh-Cheng Liu and Winston H. Hsu},
journal= {arXiv preprint arXiv:2012.04264},
year = {2020}
}
备注
IEEE Transactions on Multimedia