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

该研究提出了一种基于事件感知的运动去模糊和帧插值的统一框架，该框架使用事件的超低延迟来缓解运动模糊并实现中间帧预测，后者可通过可学习的双重积分网络和融合网络实现。借助相邻模糊输入和同时发生的事件的信息，进一步提出了自监督学习框架，以实现对真实世界模糊视频和事件的网络训练。大量实验结果表明，该方法在合成和真实世界数据集上均取得了显著的性能优势，是一种有效的去模糊技术方案。

Mar, 2022

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

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

本文是一篇关于计算机视觉中视频插帧的研究，提出了一种基于不确定帧率和曝光时间的一般情况下视频插帧问题的解决方案。使用四个连续的清晰帧或两个连续的模糊帧，通过得出一般曲线运动轨迹公式的方法解决了现有视频帧插值方法只适用于特定时间先验的问题，并通过相邻运动轨迹中的约束定义了一种新的光流细化策略以提高插值结果。实验表明，一个训练良好的模型足以在复杂的实际情况下合成高质量的慢动作录像。

Dec, 2021

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

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

本研究提出了一种模糊视频帧插值方法，通过金字塔模块和内部循环递推模块实现一定程度上同时减少运动模糊和提高帧率。实验证明，该方法在影像增强方面表现优异。

Feb, 2020

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

本文提出了一种新颖的 Adaptive Latent Attention Network (ALANET) 体系结构，可生成高帧率锐利视频，具有去模糊和插值任务，利用自注意和交叉注意模块优化表示来帮助模型生成和插值锐利帧。实验结果表明，我们的方法在标准数据集上表现优异。

Aug, 2020