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 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
本论文提出了基于 SinGAN 框架的盲运动去模糊方法,该方法通过生成模型而不是基于训练数据的方法来还原图像。
Nov, 2020
该研究论文中介绍了深度生成模型在图像去模糊中的应用,通过利用生成对抗网络以及对抗学习框架,成功地生成了清晰度更高的图像,解决了图像模糊所带来的挑战,并在实际应用中产生了明显的效果。
Dec, 2023
本文提出一种可微分的重新模糊模型,支持自我监督的运动去模糊,通过利用从连续图像中获取的运动线索,将去模糊问题突破为反渲染问题,包括使用卷积神经网络和真实数据集进行实验,并证明单幅图像自我监督去模糊是可行的,能够实现视觉上令人满意的结果。
Feb, 2020
本文提出了两个生成网络分别为清晰图像和模糊核建模的深度先验,并提出了一种无约束神经优化解决盲解卷积问题的方法 SelfDeblur,实验结果表明相较于现有的盲解卷积方法,SelfDeblur 在定量和视觉上都取得了令人瞩目的成果。
Aug, 2019
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
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
设计了一个端到端的自动编码器网络来提取运动模糊图像中的视频信息,生成具有时间上连续性的清晰图片序列,同时实现了实时的单张图像去模糊操作,结果表明我们的方法在精度、速度和紧凑性方面均优于现有方法。
Apr, 2018
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