该研究介绍了一种优化的框架，用于联合处理焦点去模糊（重新聚焦）和视频超分辨率（VSR）的任务。该方法利用新颖的映射引导变换器和图像传播，有效地利用焦点模糊的连续空间变化，并修复录像。还引入了一种流重新聚焦模块，以有效地对齐模糊和清晰领域之间的相关特征。此外，提出了一种生成合成焦点模糊数据的新技术，扩展了模型的学习能力，包括更广泛的内容。该研究通过对 DAVIS-Blur 数据集进行综合实验，证明了该方法的优越性。与现有的视频恢复方法相比，我们的方法平均峰值信噪比性能提高了 1.9dB 以上，达到了最先进的结果。我们的源代码将在此 https URL 中提供。

Jul, 2024

该研究论文介绍了一种利用频域作为图像增强的新方法，提出了一种新颖的基于 DCT 的增强转换器（DEFormer），其中包括可学习的频率支路（LFB）和交叉域融合（CDF），并将其应用于暗部检测，使检测器的性能显著提升。

Sep, 2023

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

本研究提出使用自动编码器和线性潜空间来合成和去模糊图像，以改善显微图像的质量并用于进一步的处理和分析。

Jul, 2023

本文提出了一种多尺度卷积神经网络模型，用于处理不同来源的模糊，通过使用自定义的大规模数据集训练该模型，实现了在动态场景去模糊方面的卓越性能。

Dec, 2016

本文提出了一种基于深度学习卷积神经网络、手工特征以及多尺度图像分割的图片清晰度评估方法，该方法在针对不同特征之间的不足之处进行了全面的分析，在测试中较其他同类算法表现更优秀，可以应用于图像分割、模糊放大、图像生成和三维估测领域。

Apr, 2017

我们开发了一种创新的双路径耦合去雨网络（DPCNet），通过空间特征提取块（SFEBlock）和频率特征提取块（FFEBlock）在空间和频率域中整合信息，并引入了一种有效的自适应融合模块（AFM）来进行双通路径特征聚合。该方法在六个公共去雨基准和下游视觉任务上进行了大量实验证明，不仅超越了现有的最先进去雨方法，而且在下游视觉任务中具有出色的鲁棒性和视觉效果。

Feb, 2024

该研究提出了基于金字塔的两种模块，即金字塔渐进传递模块（PPT）和金字塔自我关注模块（PSA），用于模糊图像的恢复，通过充分利用降采样和压缩等多种模糊的图片的自我和跨尺度相似性来进行模糊图像的恢复。通过实验结果证明，该方法显著优于现有的模糊图像超分辨率和模糊图像去块方法。在 NTIRE 2021 图像去模糊挑战中，EDPN 在 Track 1（低分辨率）中实现了最好的 PSNR / SSIM / LPIPS 分数，在 Track 2（JPEG 伪影）中实现了最好的 SSIM / LPIPS 分数。

May, 2021

本文提出了一个名为 POSTER 的 Pyramid Cross-fusion Transformer 网络，通过 transformer-based cross-fusion paradigm 解决 Facial Expression Recognition 中的 inter-class similarity、intra-class discrepancy 和 scale sensitivity 问题，并且采用金字塔结构实现了尺度不变性，在 RAF-DB、FERPlus 和 AffectNet 测试集上均取得了优于 SOTA 的结果。

Apr, 2022

这篇论文介绍了一种基于离散余弦变换（DCT）系数和感知共振神经网络（PCNN）结构的新型混合焦点检测方法，有效地检测出失焦图像中清晰物体，且在准确性和效率方面优于其他算法。

Oct, 2023