Mar, 2024

SpikeReveal：从真实模糊输入中解开时间序列的尖峰流

PDF
TL;DR提出了第一个自监督框架来解决基于脉冲引导的运动去模糊任务，通过理论关系和知识蒸馏设计轻量级去模糊网络，生成与原始输入亮度和纹理一致的高质量序列。
spike-guided motion deblurringself-supervised frameworkspike camerasmotion analysis interpolationreconstructed images
发现论文，激发创造
  • 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

  • 活现模糊瞬间

    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

  • 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

  • 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

  • 从脉冲流中学习稳健地重建低光动态场景

    本文提出了一个双向循环基于重建框架的方法，包括一个强光鲁棒表示（LR-Rep）和融合模块，以更好地处理低光照条件下的场景重建问题。实验证明了该方法的优越性，也在真实的脉冲流中具有很好的泛化性。

    Jan, 2024

  • 基于事件的动态模糊矫正学习

    本文提出了一种基于事件相机的深度学习方法，通过卷积循环神经网络和可微分方向事件过滤模块整合全局和局部尺度的视觉和时态知识，提取边界先验信息，从而达到了恢复运动模糊图像的最佳质量，适用于真实世界的运动模糊问题。

    Apr, 2020

  • 从单个运动模糊图像中学习提取视频序列

    本文提出了一种从单张运动模糊图像中提取视频序列的方法，使用深度学习方案逐步重构时间排序。该方法可以成功地从单张运动模糊的图像中检索到清晰的图像序列，可以在不同的相机捕捉到的合成和真实数据集上很好地推广。

    Apr, 2018

  • 揭示尖峰流在从密集连续视图中消除前景遮挡方面的潜力

    本文提出了一种使用仅一个 SPIKE 相机进行连续多视角成像的创新解决方案，即 SpkOccNet，利用跨视图注意机制有效融合并优化多窗口内连续视图的 SPIKE 信息，实现在不知道相机内参数和相机姿态的情况下高效去除多种场景下的密集遮挡，取得了良好的实验效果。

    Jul, 2023

  • 通过尖峰相机模拟去噪尖峰流

    本文针对 spike camera 的独特噪声机制，提出了系统的噪声模型，并提出了 spike stream 去噪的基准和 DnSS 框架，实验结果表明 DnSS 在去噪方面表现出色。

    Apr, 2023

  • 脉冲相机的光流估计

    介绍了一种基于深度学习的用于估计高速场景下 spiking 相机的光流的流水线，并引入了一种新的输入表示方法以自适应地去除 spike 流中的运动模糊。通过在名为 SPIFT 和 PHM 的场景中合成的光流数据进行训练，该方法显示出对不同高速场景下的 spiking 数据能够有效地预测结果。

    Oct, 2021