- MM高光谱文件图像的盲去模糊
本研究提出了针对文档图像的新型盲式高光谱图像去模糊方法，它利用高光谱图像的低秩属性和文本优化图像先验来进行 PSF 估计和去模糊。初步结果表明，该方法在所有光谱带上都可以得到良好的结果，成功地消除了模糊和噪声引起的图像伪影，并显著增加了可以 - ECCV学习图像去模糊的退化表示
本文提出了一种多尺度退化注入网络 (MSDI-Net) 的框架，以学习模糊图像的空间自适应退化表示，并将其集成到神经网络中，用于实现图像去模糊。在 GoPro 和 RealBlur 数据集上的实验证明，该方法优于现有的最先进方法和具有吸引力 - 深度图像去模糊：综述
该论文综述了基于深度学习的图像去模糊方法，包括问题的起源、数据集、性能度量、方法分类、应用及挑战与未来方向。
- 随机细化 Deblurring
针对图像复原中存在的多种可能解决方案，本文提出了一种基于条件扩散模型的盲去模糊方法，使用确定性预测器和随机采样器产生多个可能的重建结果，相比现有技术在图像感知质量上有了显著提高。
- ECCV基于事件融合的跨模态注意力运动去模糊
本文利用事件相机记录图像信息的方式，提出了一种端到端的双阶段图像复原神经网络，设计了一个跨模态注意力模块来有效地融合事件与图像特征，同时引入了一种新的对称累积事件表示和事件掩膜门控连接，提出了一个 REBlur 数据集和 EFNet 模型用 - AAAI图像去模糊中的频率选择有趣发现
该论文利用频率选择、傅里叶变换和残差块等方法构建了 Res FFT-ReLU 块，通过学习频率 - 空间双域表示，提高了图像去模糊的效果，同时仍保持了低计算复杂度。
- ICCVSDWNet：一种基于小波变换的长径网络用于图像去模糊
本研究提出一种使用扩张卷积和小波变换的简化网络结构来解决图像去模糊问题，通过充分利用不同的感受野，使我们的方法在训练要求较低的情况下实现了与现有算法相当的性能。
- CVPREDPN：模糊图像复原的增强深度金字塔网络
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 - CVPRNTIRE 2021 图像去模糊挑战赛
本篇论文回顾了 NTIRE 2021 图像去模糊挑战赛并描述了其中的具体挑战以及两项比赛轨迹的评估结果，目标是在不同的模糊影响下从图像数据中恢复高质量的清晰图像，并总结了本次比赛中的优胜方法用于图像去模糊任务。
- CVPR用于单幅图像去雨的多尺度沙漏层级融合网络
提出了一种多尺度 Hourglass 分层融合网络 (MH2F-Net)，通过多尺度提取、分层蒸馏和信息聚合来准确捕捉雨滴特征，采用残差投影特征融合策略逐步区分特征学习和聚合不同特征，与最新的去雨算法相比在合成和真实的数据集上展示了其有效性 - 通过固定点投影去噪正则化（RED-PRO）
该研究论文介绍了一种用于求解图像逆问题的新方法，根据投影最小化噪声引入一个基于稳定化策略的新的前景偏好正则化算法，受限的极小极大问题以及 RED-PRO 算法进行研究并给出了数学公式模型，然后给出了数值模拟实验结果。
- CVPRNTIRE 2020 图像与视频去模糊挑战赛
该论文回顾了 NTIRE 2020 挑战赛关于图像和视频去模糊的评估结果和提出的解决方案，其中包括三个竞赛赛道，即图像去模糊，移动平台图像去模糊和视频去模糊，并介绍了这些竞争赛道的注册和最后测试的情况。成功的解决方案展示了当前图像和视频去模 - CVPR移动设备上的图像去模糊部署：质量和延迟的视角
本文通过深入分析移动设备上的图像增强与修复应用，以图像去模糊任务为例，针对各类不同移动设备提出更好的质量 - 延迟权衡的可移植网络结构，并展示广泛应用的网络优化的有效性，旨在成功部署移动设备上的图像去模糊应用程序。
- CVPR真实模糊下的去模糊
本论文提出了一种使用两个 GAN 模型的新方法，即学会如何模糊图像的深度学习模型和学习如何去模糊的深度学习模型，通过学习如何模糊图像来学习更好的图像去模糊模型，并使用相对论模糊损失来降低真实模糊与合成模糊之间的差异。实验表明，该方法在新提出 - 使用深度维纳 - 科尔莫戈洛夫滤波器进行显微图像恢复
本研究提出了一种基于深度学习的图像去模糊与降噪算法，应用于显微镜下的细胞和组织图像重建中，与现有方案相比具有更好的表现和低计算复杂度。同时，也成功解决了泊松图像去模糊问题。
- CVPR基于失缺分离表征的无监督特定领域模糊修复
本文提出了一种无监督单图像去模糊方法，基于解缠表示学习，使用内容编码器和模糊编码器来分离模糊图像中的内容和模糊特征，并通过 KL 散度损失函数来规范提取的模糊属性的分布范围，同时添加模糊分支和循环一致性损失来处理不成对的训练数据，生成视觉逼 - 深度图像去模糊算法展开方法
本研究提出了一种深度神经网络架构，该网络结合了迭代算法和卷积神经网络，并在图像去模糊领域取得了显著性能提升。
- CVPR基于相位图像的单幅图像盲模糊核估计
本文提出了一种基于自相关的相位图像的频域方法，直接从运动模式中提取高质量的模糊核，在加入对模糊核和潜在图像的正则化约束下，优化求解模糊核和清晰图像的问题，从而实现图像去模糊。此方法可处理空间变化和非均匀模糊，并在合成和真实数据上得到了良好的 - AAAI迭代残差图像反卷积
本文提出了一种基于迭代残差卷积网络的图像去模糊算法，探讨了最小均方误差解决方案，将其解开成残差部分的序列，提出了一种由序列的残差卷积神经网络单元组成的连续的残差卷积网络。实验结果表明，提出的 CRCNet 不仅在定量指标上表现更好，而且在恢 - 图像反卷积的深度梯度下降优化学习
我们提出了一种名为 Recurrent Gradient Descent Network 的深度优化方法，它使用超参数自由的更新单元和卷积神经网络来生成更新，从而学习了一种隐含的图像先验和通用的更新规则，从而在各种恶劣情况下，提高了图像恢复