从运动模糊中恢复曝光轨迹
本文提出一种联合估计高度运动模糊物体的 3D 运动、3D 形状和外观的方法,并通过基于链式法则求导的逆渲染技术实现快速运动物体的去模糊和三维重建。
Nov, 2021
本研究提出了一种使用事件相机进行运动去模糊的新的方法,并通过引入新的 Exposure Time-based Event Selection(ETES)模块和特征融合模块,提出了端到端的学习框架。在各个数据集上的实验表明,该方法可以达到最先进的性能水平。
Dec, 2021
本研究旨在有效地处理在未知曝光时间下所拍摄的视频,采取有监督对比学习构建曝光感知表征,使用两个 U-Net 进行运动分析,通过渐进式曝光自适应卷积和运动细化建立视频重建网络。在模拟和实际数据集上的实验表明,该优化方法在联合视频 x8 内插和去模糊任务上具有显着的性能提升,并且在看似不可能的 x16 内插任务上,该方法在 PSNR 方面比现有方法提高了 1.5 dB 以上。
Mar, 2023
本文提出了一种从单张运动模糊图像中提取视频序列的方法,使用深度学习方案逐步重构时间排序。该方法可以成功地从单张运动模糊的图像中检索到清晰的图像序列,可以在不同的相机捕捉到的合成和真实数据集上很好地推广。
Apr, 2018
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
我们提出了一种在受到运动模糊影响的图像中进行物体检索的方法,并通过学习鲁棒的表达方式,能够匹配模糊物体与其去模糊版本,我们还提供了首个大规模模糊物体检索数据集,并在多个实验中验证了我们的方法优于现有方法。
Apr, 2024
本研究提出了一种新的框架,该框架可以通过光流估计学习引起模糊的像素级运动,然后将已解码的特征变形以估算的光流预测多个清晰的帧,从而以一种端到端的方式从运动模糊视频中去模糊、插值和外推锐化帧。
Mar, 2021
本研究提出了一种利用图像深度信息,共同估计 6 自由度运动(6 DoF)相机运动和去除由于相机运动引起的不均匀模糊的方法,并将其制定为能量最小化问题,该方法能有效地解决相机抖动时的图像模糊问题。
Mar, 2019
通过利用经典的编码曝光成像技术和新兴的隐式神经表示视频技术,本研究工作巧妙地在成像过程中嵌入运动方向线索,并开发了一种新颖的自递归神经网络,通过利用嵌入的运动方向线索从模糊图像中顺序检索潜在的视频序列。通过在基准数据集和实际捕获的模糊图像上进行大量实验证实了我们提出的框架的有效性和效率,结果表明我们的方法在质量和灵活性上显著优于现有方法。
Nov, 2023