基于滚动快门图像的有序扫描线延迟，我们提出利用滚动快门和全局快门相机的曝光特性，对单个模糊图像进行稳健的运动分解。通过构建一个拥有现实数据的三轴系统和一个深度网络架构，通过交叉快门运动模糊分解的循环分支来明确处理时间和上下文信息。实验证实了我们提出的算法的有效性，以及我们的双摄影设置的可行性。

Apr, 2024

设计了一个端到端的自动编码器网络来提取运动模糊图像中的视频信息，生成具有时间上连续性的清晰图片序列，同时实现了实时的单张图像去模糊操作，结果表明我们的方法在精度、速度和紧凑性方面均优于现有方法。

Apr, 2018

该论文介绍了一种基于编码器 - 解码器结构的视频清晰化方法，通过将视频序列和运动因素作为潜在因素，将单个模糊图像作为观察值，设计了一种损失函数和正则化器，经过大量实验验证了该方法的有效性和可转移性。

Apr, 2021

本文提出了一种基于三重编码器 - 解码器架构并具有人类感知去模糊模型，其将前景和背景的运动模糊进行解耦，并利用监督的人类感知注意机制来进一步提高效果，同时引入一个名为 HIDE 的大规模数据集。实验结果表明，该模型在去除运动模糊的语义细节方面表现出色。

Jan, 2020

该研究提出了一种新的框架，利用 Transformer 网络从单个运动模糊图像中端到端地估计光流，并通过粗到细的方式评估了该模型的性能和应用。

Mar, 2021

本文提出了一种基于学习的方法，利用自监督学习优化现有的去模糊神经网络，通过强制输出与输入模糊图像匹配的光流，从而改善现有方法在多个数据集上的性能表现，同时保证了输出结果更贴近于潜在图像的内容。

Jan, 2018

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

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

提出了一种基于运动大小先验的深度学习视频去模糊技术，通过检测每一帧的像素级模糊程度，结合清晰帧区域的信息，生成像素运动大小先验，进而利用时空信息进行去模糊处理，实验结果表明该方法的有效性。

Jul, 2022