CVPRApr, 2020

面向运动自适应去模糊的空间注意力补丁分层网络

PDF
TL;DR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。
发现论文，激发创造
  • 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

  • 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

  • 深度堆叠分层多补丁网络用于图像去模糊

    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。

    Apr, 2019

  • BANet: 模糊感知的动态场景去模糊的注意力网络

    Blur-aware Attention Network (BANet) 通过使用区域自注意力和多核带池来分离不同大小和方向的模糊模式，以及级联并行膨胀卷积来聚合多尺度内容特征，提供了单次前向传递的精确和高效的去模糊，实验证明与当前技术相比，在模糊图像恢复方面表现良好，并且可以实时提供去模糊结果。

    Jan, 2021

  • 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

  • 利用空洞空间金字塔可形变卷积和去模糊 - 重模糊一致性进行盲非均匀运动去模糊

    本文提出了基于多层膨胀空洞金字塔可变卷积（ASPDC）模块的新型体系结构，以实现更灵活的图像冲击恢复。最终结果表明，该方法在基准数据集上优于现有的其他方法。

    Jun, 2021

  • 学习卷积神经网络用于非均匀运动模糊去除

    本文提出一种基于深度学习和马尔可夫随机场的方法，旨在从单一模糊图像中估计和去除非均匀运动模糊，并通过实验评估表明其能有效地处理不受先前方法处理的复杂非均匀运动模糊。

    Mar, 2015

  • 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

  • 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

  • 基于像素级内核估计的盲运动去模糊：基于内核预测网络

    基于深度学习的运动模糊估计与非盲解卷积方法的学习式去模糊提供了使用前向退化模型的明确定义规范，同时实现了算法的泛化和可解释性，并通过基于卷积的非均匀运动模糊降级模型进行训练和评估，展示了准确的模糊估计以及优于现有端到端深度学习方法的真实模糊图像恢复效果。

    Aug, 2023