基于误差训练对的重模糊引导单张图像景深去模糊学习框架

对于单张图像景深去模糊，获取良好对齐的训练对（或训练三元组），即一个景深模糊图像、一个全焦清晰图像（以及景深模糊图），是开发有效去模糊模型的挑战。现有图像景深去模糊方法通常依赖由专业 imaging 设备收集的训练数据，假设这些对或三元组完美对齐。然而，在实际场景中收集真实数据时，直接获取训练三元组不可行，训练对必然遇到空间错位问题。本文提出了一种基于重模糊引导的学习框架，用于单张图像景深去模糊，即使存在错位的训练对也可进行学习。通过重构空间变形各向同性模糊核，我们的重模糊模块确保去模糊后图像、重模糊图像与输入模糊图像之间的空间一致性，从而解决错位问题，同时有效提取全焦清晰图像中的锐利纹理。此外，可从重模糊模块中推导出空间变形模糊，可作为景深模糊图的伪监督信号用于训练，巧妙地将训练对转化为训练三元组。为充分利用此伪监督，我们提出了轻量级景深模糊估计器和融合模块，通过无缝集成到最先进的去模糊网络中来提升去模糊性能。此外，我们收集了一个针对单张图像景深去模糊（SDD）的数据集，包含典型错位，既验证了我们的方法，也为后续研究提供了基准。