本论文提出了一种名为 TbD-3D 的方法，可以同时跟踪快速运动的非均匀球形物体的 3D 运动轨迹、3D 姿态和物体外观变化，并提出了一组新的具有挑战性的数据集，用于验证该方法。

Nov, 2019

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

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

本文提出一种新的方法，在视觉目标追踪方面通过 3D 形态和位姿表达，结合可微分渲染技术优化一个新型的损失函数，取得了在三个数据集上追踪刚性物体方面的最新进展。

Apr, 2023

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

该论文提出了一种基于相机曝光原理的运动模糊图像恢复方法，通过定义曝光轨迹和提出一种运动偏移估计框架，成功地恢复了包含运动信息的图像，并在图像去模糊和基于运动畸变的视频提取任务中取得了较好的性能。

Oct, 2020

该研究提出了一种利用生成模型和自监督损失函数训练的 DeFMO 方法，在仅有单张图像和背景估计的情况下，以高速相机的子帧形式输出物体在各个位置的外观和运动状态，实现了 temporal super-resolution，效果优于现有技术并适用于真实数据。

Dec, 2020

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

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

本篇论文解决了从单一动态模糊图像恢复详细运动信息的挑战性问题，其中，我们提出了一种基于运动指导表示的虚拟运动数据的解析框架，通过运用新型双阶段分解网络来实现模糊分解，具有优异的定量和定性结果。

Jul, 2022