CVPRNov, 2020

在线目标检测中运动模糊处理的改进

PDF
TL;DR本论文针对基于 egomotion 的模糊图像在目标检测中的困难，探讨了图片去模糊、纹理多尺度处理、标签生成、针对运动模糊的条件处理等五种方法，发现自定义标签生成能明显提高目标检测的效果，同时针对特定类型的运动模糊训练模型也能获得显著提高。通过在 COCO 数据集和真实世界数据集上实验，最终得到了一个易于实现并且具有优秀检测率的模型。
object detectionblurred imagesegomotionlabel generationmotion blur
发现论文，激发创造
  • 适应物体运动模糊的检索方法

    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

  • 数据增强以提高图像字幕生成解决方案的鲁棒性

    该论文研究了运动模糊在图像描述中的影响，通过在训练中增加数据，在目标检测和描述两个阶段中都加入数据增强技术，成功地改进了解决方案的鲁棒性，特别是在高度运动模糊的情况下使 CIDEr-D 降低到了 11.7。

    Jun, 2021

  • 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

  • 先验知识与动态稳健视频去模糊

    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。

    Mar, 2020

  • FMODetect：快速移动物体的鲁棒检测

    提出一种基于学习的方法，通过将消除模糊与补全分离开来，实现对快速移动物体的实时检测，并在召回率、精度、轨迹估计和清晰度等方面优于其他方法。该方法可用于实时的快速移动物体检测和大视频集合的检索。

    Dec, 2020

  • 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

  • 卷积网络识别中模糊的影响研究

    本文探讨使用模糊图像的语义视觉任务中对基于卷积神经网络的模型的影响以及如何通过对预训练模型进行微调并加入模糊图像进行训练来提高模型精度，发现模型在隐藏层中学习生成模糊不变表示并且具有很强的模糊泛化能力，为开发实现在受模糊影响的实际世界图像上可靠操作的视觉系统提供有用的见解。

    Nov, 2016

  • 运动模糊中物体的 3D 形状和运动估计

    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

  • 自监督的线性运动去模糊

    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