先验知识与动态稳健视频去模糊

Mar, 2020

Prior-enlightened and Motion-robust Video Deblurring

Ya Zhou, Jianfeng Xu, Kazuyuki Tasaka, Zhibo Chen, Weiping Li

TL;DR该研究提出了一种 PRiOr 启发的、适用于具有挑战性的模糊的 MOTION-robust 视频去模糊模型 (PROMOTION), 其中使用 3D 群卷积来有效编码异质先验信息，增强场景感知，同时减少输出的伪影，并设计表示模糊分布的先验，以更好地在时空域中处理非均匀模糊。经过大量实验证明，该方法可以在 RED 和 GoPro 数据集上实现最先进的性能，并带来机器任务收益。

Abstract

Various blur distortions in video will cause negative impact on both human viewing and video-based applications, which makes motion-robust deblurring methods urgently needed. Most existing works have strong dataset dependency and limited generalization ability in handling challenging s

motion-robust deblurring prior-enlightened 3d group convolution non-uniform blur machine task gain

发现论文，激发创造

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

深度视频去模糊

本文提出一种基于深度学习的视频去模糊算法，利用卷积神经网络从相邻帧中积累信息，可处理各类由于相机抖动导致的运动模糊问题。

Nov, 2016

动态场景普适视频去模糊

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。

Jul, 2015

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

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

基于事件的动态模糊矫正学习

本文提出了一种基于事件相机的深度学习方法，通过卷积循环神经网络和可微分方向事件过滤模块整合全局和局部尺度的视觉和时态知识，提取边界先验信息，从而达到了恢复运动模糊图像的最佳质量，适用于真实世界的运动模糊问题。

Apr, 2020

立体视频去模糊

通过利用立体视频提供的 3D 场景流，利用局部共同点来建立准确的模糊核并利用推测的运动边界来减少环绕伪影，从而成功地去除低光条件下的视频模糊。

Jul, 2016

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

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

人脸运动去模糊

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