- 基于参考图的运动模糊去除：学习如何利用参考图像的锐度
使用多个图像进行去模糊处理的新方法，通过匹配目标图像和参考图像的局部块并融合其特征来估计清晰图像，实验证明了该方法的有效性。
- EgoVSR：面向高质量自我中心视频超分辨率的研究
本研究提出一种特别设计用于处理第一视角视频的超分辨率框架，名为 EgoVSR，通过使用 Dual Branch Deblur Network 解决由快速自我运动和物体运动引起的运动模糊，并利用引导模糊掩模和生成运动模糊来提高精度和质量。
- 大规模场景运动模糊的混合神经渲染
本研究提出了一种混合神经渲染模型，将基于图像的表示和神经 3D 表示结合起来，以渲染高质量，视图一致的图像，并在训练过程中通过预计算的质量感知权重来降低模糊图像的影响，从而在新视图合成方面超越了现有的以点为基础的方法。
- Hololens 相机远程协作图像稳定化
本文提出了一个两阶段流程来解决增强现实头戴设备中遇到的观看体验不佳的问题，其中包括离线室内环境的三维重建和使用增强视角方法的增强渲染。通过实验和评估，我们发现基于几何的增强视角方法具有更好的渲染效果，并使用结构相似性指数（SSIM）和峰值信 - ECCVStripformer：用于快速图像去模糊的条形变压器
本文介绍了一种基于 transformer 的深度学习架构 Stripformer，用于去除动态场景下照片中的运动模糊，相较于传统的 transformer 具有更高效的运行速度和更好的表现效果。
- CVPRCRAFT: 面向鲁棒性光流的交叉关注流变换器
提出了一种新型的 CRoss-Attentional Flow Transformer (CRAFT) 系统，该系统利用语义平滑器和变形器跨框架注意力代替点积相关性来估计光流。与其他深度学习光流方法相比，CRAFT 在对大运动进行准确估计时 - CVPRE-CIR: 事件增强连续强度恢复
该论文提出了 E-CIR 技术，可以通过利用事件结构对模糊图像进行去模糊处理，生成更真实和平滑的结果。
- 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 - CVPR运动模糊中物体的 3D 形状和运动估计
本文提出一种联合估计高度运动模糊物体的 3D 运动、3D 形状和外观的方法，并通过基于链式法则求导的逆渲染技术实现快速运动物体的去模糊和三维重建。
- ICCV对抗性模糊视觉目标跟踪的学习
本篇论文提出了一种对视觉对象跟踪器的对抗运动模糊攻击方法，通过对模糊运动和光积累参数的联合预测网络进行优化，以在线将输入帧转换为其自然模糊的对手示例，从而误导最先进的跟踪器并导致显著的准确率下降。
- CVPR数据增强以提高图像字幕生成解决方案的鲁棒性
该论文研究了运动模糊在图像描述中的影响，通过在训练中增加数据，在目标检测和描述两个阶段中都加入数据增强技术，成功地改进了解决方案的鲁棒性，特别是在高度运动模糊的情况下使 CIDEr-D 降低到了 11.7。
- 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。
- 人头肩部基于流的视频分割
本文提出了一种基于流的编码器解码器网络（FUNet）来处理高质量的背景减除和克服图像中的运动模糊问题，以解决视频分割在视频会议和虚拟现实应用中的问题，并且介绍了一个名为 ConferenceVideoSegmentationDataset - AAAI通过单个运动模糊图像的光流估计
该研究提出了一种新的框架，利用 Transformer 网络从单个运动模糊图像中端到端地估计光流，并通过粗到细的方式评估了该模型的性能和应用。
- CVPR在线目标检测中运动模糊处理的改进
本论文针对基于 egomotion 的模糊图像在目标检测中的困难，探讨了图片去模糊、纹理多尺度处理、标签生成、针对运动模糊的条件处理等五种方法，发现自定义标签生成能明显提高目标检测的效果，同时针对特定类型的运动模糊训练模型也能获得显著提高。 - 从运动模糊中恢复曝光轨迹
该论文提出了一种基于相机曝光原理的运动模糊图像恢复方法，通过定义曝光轨迹和提出一种运动偏移估计框架，成功地恢复了包含运动信息的图像，并在图像去模糊和基于运动畸变的视频提取任务中取得了较好的性能。
- 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 - ECCV跨尺度和跨维度：使用深度内部学习进行时间超分辨率
本文提出了一种基于 Deep Internal Learning 的 Temporal Super-Resolution 方法，利用小空间时间片段内部的强烈重复性，从而在不使用任何其他数据集的情况下，实现了复杂视频的零成本 Temporal - CVPR模糊视频帧插值
本研究提出了一种模糊视频帧插值方法，通过金字塔模块和内部循环递推模块实现一定程度上同时减少运动模糊和提高帧率。实验证明，该方法在影像增强方面表现优异。
- CVPR利用掩膜传播对视频中的物体实例进行分类、分割和跟踪
MaskProp 方法采用 Mask R-CNN 对视频中的物体实例进行同时分类、分割和跟踪，通过添加掩码传播分支来适应视频序列，并最终将产生的密集剪辑级实例跟踪汇总，以产生视频级物体实例分割和分类结果。