SelfHVD：自监督手持视频去模糊
计算机视觉与模式识别
2026-04-13 v2
摘要
使用手持拍摄设备拍摄视频常因手抖和其他不稳定因素导致画面模糊。尽管以往的视频去模糊方法已取得显著进展，但由于训练数据与测试数据之间的模糊域差距，它们在真实世界手持视频上仍难以取得令人满意的表现。为解决此问题，我们提出一种由视频中的清晰线索驱动的自监督手持视频去模糊方法。首先，为训练去模糊模型，我们从视频中提取清晰线索，并将其作为相邻模糊帧的错位标签。其次，为提升模型的去模糊能力，我们提出一种新颖的自增强视频去模糊（SEVD）方法，以创建更高质量的成对视频数据。第三，我们提出一种自约束空间一致性维护（SCSCM）方法来正则化模型，防止输出帧与输入帧之间发生位置偏移。此外，我们构建了用于手持视频去模糊的合成和真实世界手持视频数据集。在这些数据集及其他常见真实世界数据集上的大量实验表明，我们的方法显著优于现有的自监督方法。代码和数据集已在 https://cshonglei.github.io/SelfHVD 公开。
引用
@article{arxiv.2508.08605,
title = {SelfHVD: Self-Supervised Handheld Video Deblurring},
author = {Honglei Xu and Zhilu Zhang and Junjie Fan and Xiaohe Wu and Wangmeng Zuo},
journal= {arXiv preprint arXiv:2508.08605},
year = {2026}
}
备注
CVPR 2026