恢复真实世界退化事件提升去模糊质量
计算机视觉与模式识别
2024-07-31 v1
摘要
由于其高速和低延迟，DVS常被用于运动去模糊。理想情况下，高质量事件能够巧妙地捕获复杂的运动信息。然而，真实世界事件通常是退化的，从而在去模糊结果中引入显著的伪影。为应对这一挑战，我们对事件退化进行建模并提出RDNet来提升图像去模糊的质量。具体而言，我们首先分析退化的底层机制，并基于此模拟配对事件。这些配对事件随后被输入RDNet的第一阶段用于训练恢复模型。该阶段恢复的事件作为第二阶段去模糊过程的引导。为了更好地评估不同方法在真实世界退化事件上的去模糊性能，我们提出了一个新的真实世界数据集DavisMCR。该数据集纳入了具有多种退化级别的事件，通过操控环境亮度和目标物体对比度来收集。我们的实验在合成数据集(GOPRO)、真实世界数据集(REBlur)和所提出的数据集(DavisMCR)上进行。结果表明RDNet在事件恢复方面优于经典事件去噪方法。此外，RDNet在去模糊任务上表现出优于最先进方法的性能。DavisMCR可在https://github.com/Yeeesir/DVS_RDNet获取。
引用
@article{arxiv.2407.20502,
title = {Restoring Real-World Degraded Events Improves Deblurring Quality},
author = {Yeqing Shen and Shang Li and Kun Song},
journal= {arXiv preprint arXiv:2407.20502},
year = {2024}
}