本文提出了一种通过深度卷积神经网络 (CNN) 利用语义线索来实现有效和高效的人脸去模糊算法。该算法通过全局语义先验作为输入，并在多尺度深度 CNN 中施加局部结构损失来规范输出，以训练具有感知和对抗性损失的神经网络，生成逼真的人脸去模糊结果，评估表明该算法在人脸去模糊的质量、人脸识别和执行速度方面表现良好。

Mar, 2018

本文提出了一种利用人脸专业知识恢复高质量人脸的有效算法，通过面部组件指导的深度卷积神经网络与基于演示的细节增强算法，在超分辨率和去模糊同时处理中增强了面部细节。

Nov, 2018

本篇研究提出了一种数据驱动的方法，通过运用并行流来去模糊面部图像并保留身份信息，用于在高级面部分析任务中获得更好的结果。

Mar, 2018

该论文综述了基于深度学习的图像去模糊方法，包括问题的起源、数据集、性能度量、方法分类、应用及挑战与未来方向。

Jan, 2022

本文提出了一种基于样本数据集的去模糊算法以及卷积神经网络恢复模糊图像中的清晰边缘进行去模糊处理，实验表明该算法对于人脸图像去模糊非常有效，并且可以用于其他物体类别。

May, 2018

本文提出了一种使用深度卷积神经网络通过利用语义线索进行有效高效人脸去模糊的算法。该算法利用面部语义标签作为输入信息，并提出一种自适应结构损失来规范面部局部结构。实验结果表明，该方法在还原质量、人脸识别和执行速度方面的表现优于最先进的方法。

Jan, 2020

深度神经网络在图像去模糊领域取得了重大突破，本文综述了盲目和非盲目图像去模糊中最流行的深度神经网络结构、性能指标和广泛使用的数据集，并讨论了该领域的当前挑战和研究空白，提出了未来研究的潜在方向。

Oct, 2023

我们提出了一种快速有效的一步恢复模糊人脸图像的方法，该方法基于卷积神经网络，可以处理各种大小的人脸图像，加入了光滑正则化和面部正则化来保持面部身份信息，取得了最先进的效果和提高了 100 倍的运行速度，并在人脸识别精度上有显著提高。

Nov, 2017

我们描述了一种基于学习的盲图片去卷积的方法，该方法使用了深层次架构，部分来源于最近关于神经网络学习的工作，部分则包含了特定于图片去卷积的计算。该系统在一组人工生成的训练样例上进行端到端的训练，实现了在盲图片去卷积方面的竞争性表现，无论是在质量还是运行时间方面。

Jun, 2014

本文综述了近六年来深度学习在盲运动去模糊中的应用，包括数据集、评估指标和方法的全面概述。通过对不同基本网络的分类和总结，详细探讨了它们的优点和局限性，并进行了最新方法的定性和定量实验结果比较。最后，针对现有挑战和未来路径进行了分析。

Jan, 2024