基于核共享并行空洞卷积的单图像离焦去模糊
计算机视觉与模式识别
2021-08-23 v1
摘要
本文提出一种基于逆核的单图像离焦去模糊新型深度学习方法。在离焦图像中,尽管模糊尺寸可空间变化,像素间的模糊形状相似。为利用逆核的这一性质,我们借助如下观察:当离焦模糊仅尺寸改变而形状保持时,相应逆核的形状保持不变而仅尺度改变。基于该观察,我们提出一种核共享并行空洞卷积(KPAC)模块,其通过融入逆核性质专为单图像离焦去模糊设计。为有效模拟不同尺度的逆核不变形状,KPAC 在多个空洞卷积层间共享相同卷积权重。为高效模拟逆核的变化尺度,KPAC 仅由少数具不同膨胀率的空洞卷积层组成,并学习逐像素尺度注意力以聚合各层输出。KPAC 还利用形状注意力结合各空洞卷积层中多个卷积滤波器的输出,以处理形状略变的离焦模糊。我们证明,我们的方法以远少于先前方法的参数量实现了当前最优性能。
引用
@article{arxiv.2108.09108,
title = {Single Image Defocus Deblurring Using Kernel-Sharing Parallel Atrous Convolutions},
author = {Hyeongseok Son and Junyong Lee and Sunghyun Cho and Seungyong Lee},
journal= {arXiv preprint arXiv:2108.09108},
year = {2021}
}
备注
Accepted to ICCV 2021