Apr, 2022

FCL-GAN: 一种轻量级实时无监督盲图像去模糊基准线

HTML
PDF
TL;DR本文提出了一种轻量级、实时的无监督深度图像去模糊方法，称为频域对比损失约束轻量 CycleGAN（FCL-GAN），它采用两种新的协作单元，即轻量级域转换单元（LDCU）和无参数频域对比单元（PFCU），在多个图像数据集上的实验结果表明了该方法在性能、模型大小和实时性方面的优越性 。
发现论文，激发创造
  • 学习盲图像去模糊的判别先验

    本文提出了一种基于数据驱动的判别性先验的有效盲图像去模糊方法，通过深度卷积神经网络学习得到的固定分类器可以帮助在不同场景下的图像去模糊，同时使用半二次分离法和梯度下降算法解决非线性问题。

    Mar, 2018

  • 循环生成对抗网络盲运动去模糊

    本研究旨在利用深度神经网络和生成对抗网络等技术解决盲运动去模糊问题，实验结果表明，我们模型在高频特征捕获能力上更具优势，并在基准数据集上取得了竞争性的性能。

    Jan, 2019

  • 非均匀盲模糊的边缘启发式生成对抗网络

    提出了一种基于边缘启发式多尺度生成对抗网络的图像去模糊方法，采用粗到细的方法进行端到端去模糊，并设计了边缘增强网络和分层内容损失函数来指导去模糊过程，在不同数据集上进行了广泛实验，取得了动态场景去模糊的最佳性能。

    Jul, 2019

  • 使用GAN进行盲去模糊

    本文通过尝试不同的GAN结构和对现有结构的各种修改来提高其在监督去模糊中的性能，其中包括使用注意力模块和残差连接，同时添加经典损失函数（L1，L2和感知损失）来训练GAN，以及采用反馈模块以保留长期依赖关系。

    Jul, 2019

  • DeblurGAN-v2: 更快、更好的去模糊（数量级）

    DeblurGAN-v2是一种基于到相对论条件GAN的新型端到端生成对抗网络，其采用Feature Pyramid Network作为生成器中的核心构建块，在单幅图像运动去模糊方面有着很高的实用价值。

    Aug, 2019

  • 真实模糊下的去模糊

    本论文提出了一种使用两个GAN模型的新方法，即学会如何模糊图像的深度学习模型和学习如何去模糊的深度学习模型，通过学习如何模糊图像来学习更好的图像去模糊模型，并使用相对论模糊损失来降低真实模糊与合成模糊之间的差异。实验表明，该方法在新提出的数据集和公共数据集上都取得了一致优越的定量性能和更高的感知质量。

    Apr, 2020

  • 使用分析-合成网络对图像去模糊

    在神经网络中使用分析网络和综合网络来解决盲图像去模糊问题，通过引入新的相关层并控制去模糊操作，可以实现在各种测试上的最新解模糊精度和主要运行时间的加速。

    Apr, 2020

  • 深度图像去模糊：综述

    该论文综述了基于深度学习的图像去模糊方法，包括问题的起源、数据集、性能度量、方法分类、应用及挑战与未来方向。

    Jan, 2022

  • 深度神经图像去模糊的综合调查

    深度神经网络在图像去模糊领域取得了重大突破，本文综述了盲目和非盲目图像去模糊中最流行的深度神经网络结构、性能指标和广泛使用的数据集，并讨论了该领域的当前挑战和研究空白，提出了未来研究的潜在方向。

    Oct, 2023

  • 自监督多尺度网络用于盲图像去模糊的交替优化

    该研究针对盲图像去模糊中模糊核未知的问题，提出了一种自监督的多尺度去模糊方法，通过交替优化共同估计潜在图像和模糊核。研究显示该方法有效避免了传统优化方法中的复杂计算过程，特别在处理大型和真实世界模糊时表现出色。

    Sep, 2024