基于解卷积与聚合网络的视频去模糊
计算机视觉与模式识别
2025-06-05 v1
摘要
与单图像去模糊不同，视频去模糊可以利用相邻帧来帮助去模糊目标帧。然而，现有的视频去模糊算法往往未能正确利用相邻帧，导致性能不佳。在本文中，我们提出了一种用于视频去模糊的解卷积与聚合网络（Deconvolution and Aggregation Network, DAN），能够充分利用相邻帧的信息。在 DAN 中，解卷积和聚合策略通过三个子网络实现：预处理网络（PPN）和基于对齐的解卷积网络（ABDN）用于解卷积方案；帧聚合网络（FAN）用于聚合方案。在解卷积部分，模糊输入首先通过 PPN 进行非局部操作预处理。然后，PPN 的输出帧通过基于帧对齐的 ABDN 进行去模糊。在 FAN 中，这些来自解卷积部分的去模糊帧根据推断像素级清晰度的可靠性图组合为潜在帧。三个子网络的恰当组合能够通过合理利用相邻帧实现视频去模糊的有利性能。在实验中，所提出的 DAN 在公共数据集上通过定量和定性评估均优于现有的最先进方法。
引用
@article{arxiv.2506.04054,
title = {Video Deblurring with Deconvolution and Aggregation Networks},
author = {Giyong Choi and HyunWook Park},
journal= {arXiv preprint arXiv:2506.04054},
year = {2025}
}