本研究探讨了利用微型极化器技术进行高动态范围成像，通过对不同极化滤镜角度获取的多张图像进行不同曝光时间的拟合，最终提出了一种基于深度快照的 HDR 重建算法，并创建了数据集进行验证，结果表明该方法超越了现有最先进的 HDR 重建算法。
May, 2021
本文提出了基于学习的方法来同时恢复清晰的信号和精确的极化信息，一个基于视觉 Transformer 的混合 Transformer 模型被提出以进行极化彩色图像去噪，实验表明该方法的有效性并分析了影响结果的关键因素。
Jul, 2022
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
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
该研究提出了一种有效的去除焦外模糊的方法，利用大多数现代相机上的双像素传感器捕获的数据，通过深度神经网络结构来减少焦外模糊，并且通过精心捕获的数据集来证明了该方法的可行性。
May, 2020
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
该研究提出了一种高效的盲恢复方法，利用基于梯度分布的图像模糊估计算法并结合多次应用来去除自然图像中的轻微模糊，取得了比传统和现代盲去模糊方法更好的效果，可以在现代手机上以秒为单位的时间内对 12MP 图像进行模糊校正，为应用深度超分辨率技术提供了更优的图像处理前处理。
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
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
该研究提出了一种基于双像素图像的无监督学习方法，通过同时估计图像的焦散图和所有点的聚焦图来减轻焦散的影响并生成全聚焦图。
Oct, 2021