SUNet：用于卷帘快门校正的对称去畸变网络

绝大多数现代消费级相机采用卷帘快门机制，如果相机在图像采集过程中移动，会导致图像畸变。在本文中，我们提出了一种新颖的深度网络，利用两个连续帧来解决通用卷帘快门校正问题。我们的流水线采用对称设计，用于预测对应于这两帧中间时刻的全局快门图像，这对现有方法而言很困难，因为它对应于与这两帧差异最大的相机位姿。首先，利用成熟的原理（金字塔构建、扭曲和代价卷处理）估计两个时间对称的密集去畸变流。然后，在特征空间中分别将两幅卷帘快门图像扭曲为一幅共同的全局快门图像。最后，在图像解码器中构建对称一致性约束，以有效聚合两幅卷帘快门图像的上下文线索，从而恢复高质量的全局快门图像。在来自公开基准的合成数据和真实数据上的大量实验表明，我们提出的方法优于 SOTA 方法。