用于图像去模糊学习的真实模糊合成

训练基于学习的去模糊方法需要大量的模糊与清晰图像对。遗憾的是，现有的合成数据集不够真实，在其上训练的去模糊模型无法有效处理真实模糊图像。尽管近期已提出真实数据集，但它们提供的场景与相机设置多样性有限，且为多样化设置采集真实数据集仍具挑战性。为解决此问题，本文分析了导致真实与合成模糊图像之间差异的各种因素。为此，我们提出RSBlur，一个包含真实模糊图像及对应清晰图像序列的新数据集，以实现对真实与合成模糊差异的详细分析。基于该数据集，我们揭示了模糊生成过程中不同因素的影响。基于分析，我们还提出了一种新颖的模糊合成流程，以合成更真实的模糊。我们表明，我们的合成流程能够提升在真实模糊图像上的去模糊性能。