具有模糊不变运动估计与像素体的循环视频去模糊

视频去模糊的成功关键在于利用来自相邻帧的信息。大多数最先进的视频去模糊方法采用视频帧间的运动补偿来聚合多帧信息，以辅助目标帧去模糊。然而，先前去模糊方法所采用的运动补偿并非模糊不变的，因此其精度在具有不同模糊量的模糊帧上受限。为缓解该问题，我们提出两种新方法，通过有效聚合多视频帧信息来去模糊视频。首先，我们提出模糊不变运动估计学习，以提升模糊帧间的运动估计精度。其次，对于运动补偿，我们不使用基于估计运动经扭曲对齐帧的方式，而是采用包含候选清晰像素的像素体来解决运动估计误差。我们将这两个过程结合，提出一个充分利用已去模糊前一帧的有效循环视频去模糊网络。实验表明，与近期使用深度学习的方法相比，我们的方法在定量与定性上均达到了 SOTA 性能。