- 基于事件驱动束调整的去模糊神经辐射场
提出了用于去模糊的神经光辐射场（NeRF）的事件驱动捆绑调整方法（EBAD-NeRF），该方法通过利用混合事件 - RGB 数据来联合优化可学习的姿势和 NeRF 参数，引入了强化相机运动模糊的强度变化度量事件损失和光度模糊损失，实验证明 - CVPRCVPR2024 PVUW 工作坊 MOSE 跟踪比赛第二名解决方案：复杂视频目标分割
我们在 MOSE 轨道的 PVUW 2024 比赛中排名第二，并采用实例分割、运动模糊、测试时间增强和记忆策略等方法来提高视频对象分割的准确性。
- 使用事件技术提高模糊图像的分辨率
本研究介绍了一种基于事件的模糊超分辨率网络（EBSR-Net），利用事件的高时间分辨率来减轻运动模糊并提高高分辨率图像预测，通过多尺度中心 - 环绕事件表示来完全捕获事件内在的运动和纹理信息，设计对称的跨模态注意模块来充分利用模糊图像和事件 - 适应物体运动模糊的检索方法
我们提出了一种在受到运动模糊影响的图像中进行物体检索的方法，并通过学习鲁棒的表达方式，能够匹配模糊物体与其去模糊版本，我们还提供了首个大规模模糊物体检索数据集，并在多个实验中验证了我们的方法优于现有方法。
- 逼真车牌去模糊数据集和模型
教育部颁布的第 xxxx 号文件的要求：高校要强化学生思想政治教育，增强学生的理论素养，提高学生的科学素养等。
- CVPR使用事件相机进行乒乓球旋转估计
使用事件摄像机利用光流从提取的事件中推断球的自旋，在实时环境中实现飞行球的自旋估计，平均自旋幅度误差为 10.7±17.3 rps，自旋轴平均误差为 32.9±38.2°。
- CVPR带有交互快门指导的运动模糊分解
基于滚动快门图像的有序扫描线延迟，我们提出利用滚动快门和全局快门相机的曝光特性，对单个模糊图像进行稳健的运动分解。通过构建一个拥有现实数据的三轴系统和一个深度网络架构，通过交叉快门运动模糊分解的循环分支来明确处理时间和上下文信息。实验证实了 - CVPR利用事件和帧减轻神经辐射场中的运动模糊
本文提出了一种利用模型和学习模块的新方法，通过显式建模模糊形成过程和使用端到端可学习的响应函数来适应实际事件相机传感器中的非理想性，解决了运动模糊对 Neural Radiance Fields (NeRFs) 渲染图片质量的影响问题，结果 - 领域引导的遮蔽自编码器用于独特玩家识别
我们提出了一种基于 d-MAE 的领域引导蒙版策略，用于运动模糊环境下的球员标识，结合一个新的时空网络，通过预处理和关键帧融合技术，在三个大规模体育数据集上取得了显著的性能提升。
- DyBluRF: 模糊单目视频中的动态神经光辐射场
提出 DyBluRF 方法，通过在受到运动模糊的单目视频中捕捉相机轨迹和场景内物体的离散余弦变换 (DCT) 轨迹，以及采用全局跨时间渲染方法来实现生成高质量、清晰的新视角，并保持场景的时空一致性。在经过特定定制的多样化动态场景数据集上进行 - SMURF: 动态连续的运动去模糊散射光场
我们提出了 SMURF 方法，利用神经常微分方程 （Neural-ODE）来建模相机的连续运动，并利用显式体积表示方法来加快训练速度和对模糊图像的鲁棒性，来有效地处理相机运动带来的模糊问题。通过对基准数据集的严格评估，我们的模型在定量和定性 - 模糊不可知高斯平铺：通过多尺度核建模
通过模糊不同因素，如动态模糊和虚焦模糊，将高质量的图像场景重建为 3D 高斯模型，以改进目前的重建方法。
- 学习去模糊极化图像
提出了一种针对极化图像模糊的处理方法，通过将问题分解为两个较不病态的子问题，并设计两阶段神经网络来处理这两个子问题，实验结果表明我们的方法在合成和真实图像上都取得了最新的性能，并且能够改善基于极化的视觉应用的性能，如图像去雾和反射去除。
- 陀螺仪辅助运动去模糊网络
使用惯性测量单元数据，本文提出了一个简单而高效的框架来合成和恢复运动模糊图像，包括训练三元组的生成策略和用于恢复模糊图像的陀螺仪辅助运动去模糊网络。通过全面实验证明了该框架的优点：我们的合成和真实世界模糊轨迹之间仅有两个像素的误差，对于峰值 - DyBluRF: 动态去模糊神经辐射场用于模糊单目视频
提出一种用于模糊单目视频的动态去模糊 NeRF 框架（DyBluRF），通过互联的射线细化阶段（IRR）和基于运动分解的去模糊阶段（MDD），首次处理和处理了模糊单目视频的新视图合成。
- 使用 GAN 进行图像去模糊
该研究论文中介绍了深度生成模型在图像去模糊中的应用，通过利用生成对抗网络以及对抗学习框架，成功地生成了清晰度更高的图像，解决了图像模糊所带来的挑战，并在实际应用中产生了明显的效果。
- 模糊视频压缩：在视觉增强和数据压缩之间的权衡
在这项研究中，我们通过利用视觉增强和数据压缩之间的自然权衡，将视频压缩问题定式为一个最小最大化优化问题，并提出了一个有效的框架和训练策略来解决该问题。实验结果表明，我们的方法在多个基准数据集上比多个最先进的视频压缩方法更为有效。
- ExBluRF：用于极度运动模糊图像的高效辐射场
ExBluRF 是一种基于高效辐射场优化的极度运动模糊图像视图合成方法，通过在训练中优化尖锐的辐射场，同时估计生成模糊图像的相机轨迹，从极度模糊的图像中获取相机轨迹信息和辐射场。与现有方法相比，这种方法在更短的训练时间和 GPU 内存消耗下 - MM抑制运动模糊以实现鲁棒性的三维棒球选手姿势建模用于投球分析
使用视频来分析棒球投手在策略和预防伤害方面起着至关重要的作用。基于计算机视觉的姿势分析提供了一种高效和经济的方法。然而，使用 30fps 帧速率的可访问广播视频通常在快速动作中导致部分身体运动模糊，限制了现有姿势关键点估计模型的性能。本文提 - 基于像素级内核估计的盲运动去模糊：基于内核预测网络
基于深度学习的运动模糊估计与非盲解卷积方法的学习式去模糊提供了使用前向退化模型的明确定义规范，同时实现了算法的泛化和可解释性，并通过基于卷积的非均匀运动模糊降级模型进行训练和评估，展示了准确的模糊估计以及优于现有端到端深度学习方法的真实模糊