基于锐利先验检测与边缘信息的视频去模糊
计算机视觉与模式识别
2025-01-22 v1
摘要
视频去模糊是自动驾驶、人脸识别和安防监控中不可或缺的任务。传统方法直接估计运动模糊核，常会引入伪影并导致效果不佳。近期方法利用检测视频序列中锐利帧来增强去模糊。然而，现有数据集依赖于固定数量的锐利帧，这对某些应用可能过于限制，可能在模型训练期间引入偏差。为克服这些限制并增强域适应性，本文首先引入 GoPro Random Sharp (GoProRS)，一个新的数据集，其中视频序列中锐利帧的频率是可定制的，允许更加多样化的训练和测试场景。此外，本文提出了一种新型视频去模糊模型，称为 SPEINet，通过基于注意力的编码器-解码器架构、轻量且稳健的锐利帧检测和边缘提取阶段，将锐利帧特征集成到模糊帧重建中。大量实验结果表明，SPEINet 在多个数据集上均优于最先进的方法，平均提高 3.2% 的 PSNR。鉴于这些有前景的效果，我们相信所提出的模型和数据集为基于锐利帧检测的视频去模糊未来发展指明了道路。
引用
@article{arxiv.2501.12246,
title = {Video Deblurring by Sharpness Prior Detection and Edge Information},
author = {Yang Tian and Fabio Brau and Giulio Rossolini and Giorgio Buttazzo and Hao Meng},
journal= {arXiv preprint arXiv:2501.12246},
year = {2025}
}
备注
Under review in Pattern Recognition