协作式盲图像去模糊
研究了一种使用神经网络进行盲运动去模糊的新方法,该网络通过学习预测一个去卷积滤波器的复傅里叶系数来计算从未知运动核产生的模糊图像。该方法在 GPU 硬件上的并行性能优异,并且展现出接近现有最先进迭代方法的精度和鲁棒性。
Mar, 2016
本文提出基于 Collaborative Learning 的盲图像去模糊方法,通过引入 Generator 和 Corrector 两个模块,从数据驱动和基于知识的角度提取图像内在结构,可以严格证明其收敛于去模糊的最优解,同时在图像插值和边缘保持平滑等方面也表现出较高性能。
Jul, 2018
本研究提出了使用深度神经网络结构 DeblurRNN 和 DeblurMerger 分别以序列和并行的方式利用成对图像中的噪声 / 模糊信息进行去模糊。使用梯度损失、对抗损失和谱归一化来提高训练。经过对合成数据集 GOPRO 和真实图像对的评估,结果表明所提出的方法在定性和定量上均优于现有技术。
Nov, 2019
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
该研究提出了一种用于处理动态场景运动去模糊的有效像素自适应和特征关注设计,并使用有效的内容感知全局 - 局部过滤器模块,通过动态利用相邻像素信息和全局依赖性来显著提高性能,从而 surpassed 其他先前的去模糊方法。
Apr, 2020
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
本文提出了一种通过深度卷积神经网络 (CNN) 利用语义线索来实现有效和高效的人脸去模糊算法。该算法通过全局语义先验作为输入,并在多尺度深度 CNN 中施加局部结构损失来规范输出,以训练具有感知和对抗性损失的神经网络,生成逼真的人脸去模糊结果,评估表明该算法在人脸去模糊的质量、人脸识别和执行速度方面表现良好。
Mar, 2018