基于参考图的运动模糊去除：学习如何利用参考图像的锐度

Jul, 2023

基于参考图的运动模糊去除：学习如何利用参考图像的锐度

Reference-based Motion Blur Removal: Learning to Utilize Sharpness in the Reference Image

Han Zou, Masanori Suganuma, Takayuki Okatani

TL;DR使用多个图像进行去模糊处理的新方法，通过匹配目标图像和参考图像的局部块并融合其特征来估计清晰图像，实验证明了该方法的有效性。

Abstract

Despite the recent advancement in the study of removing motion blur in an image, it is still hard to deal with strong blurs. While there are limits in removing blurs from a single image, it has more potential to use multiple images, e.g., using an additional image as a reference to deb

motion blur image deblurring multiple images patch-based feature matching experimental results

发现论文，激发创造

学习盲目运动去模糊

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

利用噪声 / 模糊图像对进行深度动态模糊去除

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

适应物体运动模糊的检索方法

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

清晰图像难以模糊化：利用病态逆问题进行动态场景去模糊

该论文提出了一种通过利用反模糊的方法实现对动态场景的去模糊，使用两种类型的重新模糊损失函数进行更好的去模糊，并通过实验证明其有效性。

Apr, 2021

基于基准测试、分析和结构估计的去模糊

本文讨论了评估去模糊方法质量的挑战，并提出了一种基于机器学习的降低参考度量。我们创造了一个新的运动模糊数据集，使用梁分束器，以各种运动类型为特征。我们进行了两次大规模主观比较，以帮助指标开发，并且我们的度量结果不需要 GT 框架，并且与人类对模糊的主观感觉有很好的相关性。

May, 2023

自监督的线性运动去模糊

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

野外运动模糊矫正

通过使用卷积网络架构和野外实拍数据集，文章提出了一种用于图像去模糊的方法，达到了最先进的性能并解决了复杂背景下的物体遮挡问题。

Jan, 2017

盲目运动去模糊的神经网络方法

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

深度视频去模糊

本文提出一种基于深度学习的视频去模糊算法，利用卷积神经网络从相邻帧中积累信息，可处理各类由于相机抖动导致的运动模糊问题。

Nov, 2016

自监督学习的视频去模糊技术：Reblur2Deblur

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