基于事件统一运动去模糊与帧插值

基于帧的相机较慢的快门速度和较长的曝光时间常导致视觉模糊与帧间信息丢失，降低所捕获视频的整体质量。为此，我们提出一个基于事件的运动去模糊与帧插值统一框架，用于模糊视频增强，其中利用事件的极低延迟来缓解运动模糊并促进中间帧预测。具体而言，首先由可学习的双重积分网络预测模糊帧与清晰潜图像之间的映射关系，随后提出一个融合网络，通过利用连续模糊输入与同步事件中的信息来细化粗结果。通过挖掘模糊帧、潜图像与事件流之间的相互约束，我们进一步提出一种自监督学习框架，使网络能够使用真实世界的模糊视频与事件进行训练。大量实验表明，我们的方法优于当前最优方法，并在合成与真实世界数据集上均取得了卓越性能。