Sep, 2023

双摄像头联合去模糊去噪

PDF
TL;DR近期的图像增强方法展示了使用一对长曝光和短曝光图像进行低光摄影的优势。我们提出了一种新颖的双摄像头方法，通过同时使用一个摄像头捕捉一组同步的短曝光图像和另一个摄像头捕捉的长曝光图像，实现了更好的去噪、运动感知去模糊以及进一步提升质量的效果。
image enhancementlow-light photographydual-camera methoddenoisingmotion-aware deblurring
发现论文，激发创造
  • 深度混合相机去模糊

    提出了一种用于多摄像头智能手机的模糊处理框架，利用混合成像技术，通过同时捕捉来自智能手机的长曝光广角图像和超广角连拍图像，并使用清晰的连拍图像估计模糊核进行广角图像的去模糊处理。使用创建的 HCBlur 数据集进行网络的学习和评估，该数据集包含模糊的广角图像、清晰的超广角连拍图像以及它们的清晰广角图像对应物。通过广泛的评估，结果显示出了现有技术的高质量。

    Dec, 2023

  • 短暴光和长暴光原始图像对的低光照恢复

    提出了一种使用短曝光和长曝光图像的互补信息进行低光照条件下的图像修复方法，通过模拟低光环境中的成像管道生成的真实短曝光和长曝光原始图像，并使用新的长短曝光融合网络 (LSFNet) 处理低光照图像融合中的问题，包括高噪声、运动模糊、色彩失真和错位，实验结果表明，该方法优于现有的最优方法。

    Jul, 2020

  • 深度爆发降噪

    本文研究了在低光照条件下使用 burst-capture 拍摄策略，使用基于循环卷积神经网络的智能集成方式进行多帧图像去噪处理。经实验证明，该方法在图像去噪方面具有最优表现，并且也可以用于图像增强和超分辨率处理。

    Dec, 2017

  • D2HNet: 面向夜间图像恢复的分层网络联合去噪和去模糊

    本研究提出了基于深度学习的夜间图像融合和增强方法，使用 D2HNet 架构可从多张不同曝光时间的照片中恢复出一张高质量、清晰无噪的夜间图像。经实验证明，在真实拍摄的夜景照片上，该方法可获得极佳的视觉效果和量化分数。

    Jul, 2022

  • 暗光环境下的图像识别

    推出一种用于处理低光强下传感器的原始短曝光图像的数据集，运用端到端的深度卷积神经网络进行学习，取代传统的图像处理流程并取得了良好的效果。

    May, 2018

  • 计算长曝光移动摄影

    这篇论文介绍了一种在手持智能手机相机应用中自动实现长曝光摄影的计算捕捉系统，通过捕获多帧图像并使用图像处理技术，在保持主体清晰度的同时产生美观的运动轨迹，将运动模糊效果应用于静态图像中，实现高分辨率和高动态范围的合成照片。

    Aug, 2023

  • 通过逼真地建模双像素数据来学习减少焦外模糊

    该研究提出一种通过合成数据生成具有现实意义的双像素数据，用于提升基于双像素数据捕获的单幅或多幅相机图像去模糊的结果，在视频去模糊的应用中具有广泛前景。

    Dec, 2020

  • LEDNet: 低光弱化与去模糊联合处理

    该研究通过引入新的数据合成流程来模拟真实的低照度模糊退化，提出了联合低照度增强和去模糊的大规模数据集 LOL-Blur，同时提出了一种名为 LEDNet 的有效网络，解决了夜间摄影低照度和模糊问题。

    Feb, 2022

  • 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

  • 通过多任务学习提高单张图片散焦去模糊的效果：双像素图像的帮助

    本研究提出了一种利用双像素传感器的多任务学习方法，用于单张图像的去模糊和深度估计，并通过实验证明，这种方法可以取得比其他最先进的方法更好的效果。

    Aug, 2021