CVPRJul, 2015
动态场景普适视频去模糊
Generalized Video Deblurring for Dynamic Scenes
Tae Hyun Kim, Kyoung Mu Lee
TL;DR提出了一种基于双向光流的能量模型,用于处理动态场景中的模糊视频,从而实现去模糊与准确光流估计。
Abstract
Several state-of-the-art video deblurring methods are based on a strong
assumption that the captured scenes are static. These methods fail to deblur
blurry videos in dynamic scenes. We propose a →
发现论文,激发创造
通过语义分割和像素级非线性核进行视频去模糊
本文针对视频模糊问题,提出了一种基于语义分割,利用不同的运动模型来指导光流估计,并考虑了像素级别的非线性模糊核模型,能够更好地描述复杂的运动模糊,并且在对抗其他先进方法的实验中表现良好。
Aug, 2017
自监督学习的视频去模糊技术:Reblur2Deblur
本文提出了一种基于学习的方法,利用自监督学习优化现有的去模糊神经网络,通过强制输出与输入模糊图像匹配的光流,从而改善现有方法在多个数据集上的性能表现,同时保证了输出结果更贴近于潜在图像的内容。
Jan, 2018
基于动态时间混合网络的在线视频去模糊
提出了一种基于时空循环网络的在线视频去模糊方法,可以实时处理,通过引入动态时间混合来强制执行连续帧之间的时间一致性,在大范围内解决相机抖动和快速移动对象造成的模糊问题,并在实验评估中表现出优越性。
Apr, 2017
真实事件的运动去模糊
本文提出了一种端到端学习框架,利用真实世界的事件减轻数据不一致性造成的性能下降,在光流的帮助下利用模糊一致性和亮度一致性实现了自监督,提出了分段线性运动模型以考虑运动的非线性,加强了对真实场景中运动模糊形成的准确建模,并在合成和真实运动模糊数据集上进行充分评估,显示了在真实世界情境中差距较大的模拟和真实运动模糊之间的良好表现。
Sep, 2021
使用模糊不变运动估计和像素体积的循环视频去模糊
通过使用模糊不变的运动估计和像素体积来有效聚合多个视频帧的信息以消除视频模糊,本文提出了一种有效的循环视频去模糊网络,与最近使用深度学习的方法相比,在定量和定性方面均取得了最先进的性能。
Aug, 2021