本文详细介绍了2019年CVPR oral论文《Learning to Synthesize Motion Blur》，提出了线性预测层来模拟运动模糊效果。研究设计了一个网络，通过输入连续两张图片，生成具有运动模糊的照片，适用于动画制作和艺术化处理。实验表明，该方法在保持较高图像质量的同时，速度优于其他基线方法，并进行了消融实验验证各组件的有效性。
2019 CVPR《Learning to Synthesize Motion Blur》(oral)
Tim Brooks Jonathan T. Barron
Google Research
这篇文章的contribution：
- 设计了一个线性预测层 “line prediction” layer
- 从网络视频中制作了训练集、高速相机拍摄了测试集
- 和同类方法有差不多的效果，但是更快
要实现的目标是输入连续拍摄的两张图片，得到一张在这张照片拍摄过程中产生了运动模糊的照片，可以应用到动画制作和照片艺术化处理中。
首先来看一下 “line prediction” layer，具体思想是一个照片产生运动模糊大部分是线性的，只考虑线性状态的模糊。当模糊的方向Δ确定下来，生成图像的每一个点都和输入的两张图像中该方向点上的值乘以该点的权值相关。在此方向上均匀的取N个点，新的图像的大小由这N个点产生。
在上面这个公式中 左边
最低0.47元/天 解锁文章
扫一扫
321
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
