- 使用双像素数据进行散焦去模糊
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。
- 使用事件相机学习去模糊及生成高帧率视频
本研究通过构建新的神经网络结构，使用事件相机实现了高清无暇的图像和视频的生成，并将故障模糊问题转化为残差学习的任务来有效地进行训练。实验结果表明，该方法可以比现有技术更好地还原图像和视频。
- ICCV人类感知运动去模糊
本文提出了一种基于三重编码器 - 解码器架构并具有人类感知去模糊模型，其将前景和背景的运动模糊进行解耦，并利用监督的人类感知注意机制来进一步提高效果，同时引入一个名为 HIDE 的大规模数据集。实验结果表明，该模型在去除运动模糊的语义细节方 - 高速运动物体的子框外观与 6D 姿态估计
本论文提出了一种名为 TbD-3D 的方法，可以同时跟踪快速运动的非均匀球形物体的 3D 运动轨迹、3D 姿态和物体外观变化，并提出了一组新的具有挑战性的数据集，用于验证该方法。
- MM使用 GAN 进行盲去模糊
本文通过尝试不同的 GAN 结构和对现有结构的各种修改来提高其在监督去模糊中的性能，其中包括使用注意力模块和残差连接，同时添加经典损失函数（L1，L2 和感知损失）来训练 GAN，以及采用反馈模块以保留长期依赖关系。
- CVPREDVR: 基于增强型可变形卷积网络的视频修复
视频修复项目，涉及超分辨率、去模糊等多个任务。本文提出了一种名为 EDVR 的基于增强可变形网络的视频修复框架，通过金字塔级别的可变形卷积对齐帧以及时间空间注意力融合模块对图像进行处理，取得了 NTIRE19 视觉修复挑战的所有四个任务的冠 - 带深度图的单张图像去模糊和相机运动估计
本研究提出了一种利用图像深度信息，共同估计 6 自由度运动（6 DoF）相机运动和去除由于相机运动引起的不均匀模糊的方法，并将其制定为能量最小化问题，该方法能有效地解决相机抖动时的图像模糊问题。
- 结构生成和细节增强联合人脸超分辨率和去模糊
本文提出了一种利用人脸专业知识恢复高质量人脸的有效算法，通过面部组件指导的深度卷积神经网络与基于演示的细节增强算法，在超分辨率和去模糊同时处理中增强了面部细节。
- 低质量图像中的人脸识别：一项调查
本文综述了过去五年中低分辨率人脸识别的各种方法及相关工作，涉及视频监控、超分辨率、去模糊等技术，并对数据集和实验设置进行了描述，最后总结了一般限制和未来努力的优先事项。
- 使用样本学习去模糊图像
本文提出了一种基于样本数据集的去模糊算法以及卷积神经网络恢复模糊图像中的清晰边缘进行去模糊处理，实验表明该算法对于人脸图像去模糊非常有效，并且可以用于其他物体类别。
- CVPR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。
- ICCV从模糊的图像序列中联合估计相机姿态、深度、去模糊和超分辨率
本研究提出了一种创新性的统一框架来解决密集深度重建、相机姿态估计、超分辨率和去模糊的四个问题，通过反映物理成像过程，我们提出了一个成本最小化问题，并使用交替优化技术来解决它，实验结果表明，我们的提出方法在合成和现实视频中均得到高质量的深度图 - 深度生成滤波器用于运动去模糊
本文提出了一种新颖的基于生成对抗网络（GAN）的深度滤波器，其与全局跳跃连接和密集结构相集成，以解决由于相机和物体之间的相对运动引起的运动模糊问题。在不需要进行模糊核估计的情况下，我们的模型显著减少了测试时间，证明了该方法在定量和定性上均胜 - ICCV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。
- CVPR光场盲运动去模糊
本研究通过分析相机运动对光场的影响，并在原始域和傅里叶域中研究光场的运动模糊问题，提出了一种算法，可以实现对于实际的合成运动模糊光场进行盲目去模糊，还原光域；并证明了三维相机的运动路径。
- CVPR移动光场相机 Richardson-Lucy 去模糊
通过高级光场渲染方法将 Richardson-Lucy 去模糊算法扩展到 4-D 光场中，成功实现了无需深度估计即可处理 6 个自由度相机运动引起的模糊，且加入新颖的正则化项以削弱噪声和振铃，因此在 3-D 复杂场景下得到了显著的效果。