Mar, 2018

视频去模糊的对抗时空学习

PDF
TL;DR利用改进的 3D 卷积对空间和时间领域进行联合建模，进而提高视频去模糊性能，在 GAN 模型中使用内容和对抗损失函数对模型进行训练，并称其为 DBLRGAN 模型，测试结果最先进。
video deblurringspatio-temporal learninggan architecturestate-of-the-art performancedblrnet
发现论文，激发创造
  • 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

  • 学习盲目运动去模糊

    本文介绍了一种使用神经网络的实时视频去模糊技术，将多个连续模糊的图像传递信息给递归神经网络来还原所需的清晰图像或视频。

    Aug, 2017

  • 视频去模糊的时空可形变注意力网络

    提出了一种运用 Spatio-Temporal Deformable Attention Network (STDANet) 实现视频去模糊的方法，STDANet 不仅仅考虑图像中的流动信息，同时考虑图像中像素点的清晰度，从而使得方法得到的清晰显著提高。

    Jul, 2022

  • 视频去模糊的时空自适应滤波网络

    提出了一种基于 STFAN、FAC 层和重构网络的视频去模糊算法，该算法能够对存在空间变异的模糊进行对齐和去模糊，实验结果表明该算法在准确性、速度和模型大小等方面均超过当前最先进的方法。

    Apr, 2019

  • 深度生成滤波器用于运动去模糊

    本文提出了一种新颖的基于生成对抗网络（GAN）的深度滤波器，其与全局跳跃连接和密集结构相集成，以解决由于相机和物体之间的相对运动引起的运动模糊问题。在不需要进行模糊核估计的情况下，我们的模型显著减少了测试时间，证明了该方法在定量和定性上均胜过现有的盲去模糊算法，具有实际应用前景。

    Sep, 2017

  • DeblurGAN: 使用条件对抗网络实现盲运动去模糊

    DeblurGAN 是一种基于条件 GAN 和内容损失学习的运动去模糊的端到端学习方法，能在结构相似度和视觉效果方面达到最先进的性能，同时还能提高检测运动去模糊图像的速度，而且还引入了一种新方法，通过运动去模糊合成运动模糊图像，从而实现数据增强。

    Nov, 2017

  • 利用噪声 / 模糊图像对进行深度动态模糊去除

    本研究提出了使用深度神经网络结构 DeblurRNN 和 DeblurMerger 分别以序列和并行的方式利用成对图像中的噪声 / 模糊信息进行去模糊。使用梯度损失、对抗损失和谱归一化来提高训练。经过对合成数据集 GOPRO 和真实图像对的评估，结果表明所提出的方法在定性和定量上均优于现有技术。

    Nov, 2019

  • 模糊感知时空稀疏变压器用于视频去模糊

    提出了一种名为 BSSTNet 的模型，它通过引入模糊图，将初始的密集注意力转化为稀疏形式，从而更全面地利用整个视频序列中的信息。BSSTNet 在变换器中使用了更长的时间窗口，利用较远帧中的信息来修复当前帧中的模糊像素，同时引入了由模糊图引导的双向特征传播，降低了由模糊帧引起的错误累积。实验结果表明，提出的 BSSTNet 在 GoPro 和 DVD 数据集上优于现有的方法。

    Jun, 2024

  • 野外运动模糊矫正

    通过使用卷积网络架构和野外实拍数据集，文章提出了一种用于图像去模糊的方法，达到了最先进的性能并解决了复杂背景下的物体遮挡问题。

    Jan, 2017

  • 循环生成对抗网络盲运动去模糊

    本研究旨在利用深度神经网络和生成对抗网络等技术解决盲运动去模糊问题，实验结果表明，我们模型在高频特征捕获能力上更具优势，并在基准数据集上取得了竞争性的性能。

    Jan, 2019