点击我爱计算机视觉标星,更快获取CVML新技术
以GAN为代表的生成模型正在视觉造假的路上越来越成熟,狗变猫、白马变斑马、实景变素描是GAN用于高级图像生成的例证。
能否将GAN应用于低级的图像处理呢?比如图像去模糊。
答案是肯定的。将GAN用于图像去模糊,生成器用于生成清晰图像,鉴别器区分真实且清晰图像与造假或模糊图像。
DeblurGAN (CVPR 2018)是这一方向新出算法中的佼佼者。
昨日公布的ICCV 2019 论文 DeblurGAN-v2: Deblurring (Orders-of-Magnitude) Faster and Better,原作者对其再升级,改进了生成器的网络结构与鉴别器,且使得算法可以方便使用现有成熟的骨干网,不仅提升了去模糊后图像的质量,同时可以轻易设计计算代价小的模型。实现了更好也更快!
该文作者信息:
由论文标题知,DeblurGAN-v2在速度上获得了数量级的提升。
下图展示了该文描述的DeblurGAN-v2使用不同骨干网获得的三个模型在GoPro数据集上与其他三个SOTA去模糊算法比较结果。