本文提出了一种新型深层次解除虚焦模糊网络，它通过使用光场技术生成高度准确的图像配对，并使用 Feat?ure loss 技术改善二次拍摄方法捕捉到的图像失焦，取得了在多个测试集上的良好表现。

Apr, 2022

本文通过使用领域不变的虚焦模糊作为直接监督来解决数据驱动的深度估计方法在不训练场景外的概括能力问题，并利用置换不变卷积神经网络利用虚焦提示，通过不同焦点的图像差异训练模型，从而在合成数据集合和真实世界图像集合上取得了令人信服的泛化结果和最先进的深度预测。

May, 2020

本文提出一种将清晰模糊图像对数据集中的模糊算子编码到模糊核空间中，并使用交替优化算法进行盲目图像去模糊的方法，该方法不同于基于深度学习的方法，可以处理未见过的模糊核，同时避免使用常见于经典方法中的复杂的手工先验模糊算子。此外，所设计的编码核空间具有完全可微性，可以轻松地应用于深度神经网络模型中，并可用于模糊合成。最后，我们提供了实验结果来证明所提出方法的有效性。

Apr, 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

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

通过多金字塔变换器（MPT）和扩展频率对比规则化（EFCR）的统一框架，解决了显微镜去模糊中的两个突出问题：更长的注意跨度和特征不足。该框架实现了多个数据集上的最新性能，并通过下游任务验证验证了其优越性能。

Mar, 2024

本文提出了一种利用深度学习方法和从焦外模糊度生成深度图像的技术来预测在野外环境下的单张图像深度的系统，并通过实验证明，相较于清晰图像，焦外特征能够有效提升深度预测准确性。

Sep, 2018

本文通过神经网络和线性预测技术，提出了一种技术，可以从一对连续拍摄的图像中合成运动模糊图像。作者还利用了帧内插技术生成了大规模的合成数据集，并从慢动作视频中捕获了高质量的测试集。实验结果显示，本文提出的模型在精度和速度上均优于基线技术。

Nov, 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