面向精准图像去模糊的差异化处理多种模糊区域
计算机视觉与模式识别
2025-03-05 v3
摘要
图像去模糊旨在通过去除不必要的退化来恢复高质量图像。尽管已有方法取得了令人鼓舞的成果，但它们要么忽视了不同图像区域内退化程度的差异，要么通过堆叠大量非线性激活函数来近似非线性函数特性。为此，本文提出一种差异化处理网络 (DHNet)，对不同模糊区域执行差异化处理。具体而言，我们设计了 Volterra 块 (VBlock) 将非线性特征整合到去模糊网络中，避免了以前通过堆叠非线性激活函数的数量来映射复杂输入输出关系的做法。为使模型能够适应模糊区域中退化程度的变化，本文设计了退化程度识别专家模块 (DDRE)。该模块最初整合来自已训练模型的先验知识，以估计空间可变的模糊信息。随后，路由器可将学习到的退化表示与专家分配权重，依据退化程度与区域大小进行加权。综合实验结果表明，DHNet 在 synthetic 与 real-world 数据集上有效超越了最先进 (SOTA) 方法。
关键词
引用
@article{arxiv.2502.19677,
title = {Towards Differential Handling of Various Blur Regions for Accurate Image Deblurring},
author = {Hu Gao and Depeng Dang},
journal= {arXiv preprint arXiv:2502.19677},
year = {2025}
}