深度堆叠分层多补丁网络用于图像去模糊

Apr, 2019

深度堆叠分层多补丁网络用于图像去模糊

Deep Stacked Hierarchical Multi-patch Network for Image Deblurring

Hongguang Zhang, Yuchao Dai, Hongdong Li, Piotr Koniusz

TL;DR提出一种深度分层多块网络方法解决运动模糊的问题，该方法在处理 720p 图像时拥有 40 倍的加速，是首个实时的深度运动去模糊模型，并且在不同深度下适用于不同的应用场景，可以有效地避免性能饱和问题。

Abstract

Despite deep end-to-end learning methods have shown their superiority in removing non-uniform motion blur, there still exist major challenges with the current multi-scale and scale-recurrent models: 1) Deconvolution/upsampling operations in the coarse-to-fine scheme result in expensive runtime; 2) Simply increasing the model depth with finer-scale levels can

deep learning motion deblurring hierarchical multi-patch network real-time performance saturation

发现论文，激发创造

面向运动自适应去模糊的空间注意力补丁分层网络

该研究提出了一种用于处理动态场景运动去模糊的有效像素自适应和特征关注设计，并使用有效的内容感知全局 - 局部过滤器模块，通过动态利用相邻像素信息和全局依赖性来显著提高性能，从而 surpassed 其他先前的去模糊方法。

Apr, 2020

快速深度多补丁分层网络用于非均质图像去雾

我们提出了一种快速的深度多块分层网络，通过聚合来自迷雾图像不同空间段的多个图像块的特征，从而以更少的网络参数恢复非均匀雾图像。与当前的多尺度方法相比，我们的方法提供更快的运行时，并展示了在密集雾去除方面相对于其他最先进模型的优势。

May, 2020

动态场景去模糊的深层多尺度卷积神经网络

本文提出了一种多尺度卷积神经网络模型，用于处理不同来源的模糊，通过使用自定义的大规模数据集训练该模型，实现了在动态场景去模糊方面的卓越性能。

Dec, 2016

具有自适应采样的空间注意力分层网络用于运动去模糊

该研究论文提出了一种处理动态场景运动去模糊问题的方法，通过像素自适应和特征注意设计以及内容感知的全局 - 局部滤波模块和像素自适应的非均匀采样策略，在去模糊的基准测试中与现有方法进行了广泛的定性和定量比较，取得了优异的性能。

Feb, 2024

规模循环网络用于深度图像去模糊

本文介绍了一个称为 “SRN-DeblurNet” 的规模递归网络，该方法使用金字塔不同分辨率的 “粗到细” 方法逐步恢复锐化图像，在大规模模糊数据集上进行评估，结果显示我们的方法比现有方法在定量和定性上的呈现更好。

Feb, 2018

MSSNet：用于单幅图像去模糊的多尺度级联网络

本文研究单幅图像去模糊方法，使用深度学习技术设计了 Multi-Scale-Stage Network 方法，该方法通过三个创新技术组件来改进之前粗糙 - 精细方案，提高了去模糊质量、缩小了网络规模和加速了计算速度，并在评估中展现出最先进的性能。

Feb, 2022

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

协作式盲图像去模糊

利用卷积神经网络协同处理不同模糊下的图像补偿，以提高图像清晰度和质量。

May, 2023

图像连拍去模糊的端到端学习

本文提出了一种基于神经网络模型的多帧盲反卷积新方法，通过采用两种最近的图像去模糊技术并结合成单个神经网络结构的鉴别方法来进行图像去模糊，该混合架构结合了卷积核的显式预测和频域 Fourier 系数的非平凡平均值，为了充分利用爆发中所有图像中包含的信息，该网络嵌入较小的网络，可以在早期层中显式地允许模型在图像间传递信息，并使用一组人工生成的培训示例来进行端对端的训练，实现了多帧盲反卷积的竞争性能，既具有质量又具有运行时间。

Jul, 2016

盲目运动去模糊的神经网络方法

研究了一种使用神经网络进行盲运动去模糊的新方法，该网络通过学习预测一个去卷积滤波器的复傅里叶系数来计算从未知运动核产生的模糊图像。该方法在 GPU 硬件上的并行性能优异，并且展现出接近现有最先进迭代方法的精度和鲁棒性。

Mar, 2016