Self-supervised Blind Motion Deblurring with Deep Expectation Maximization

实际上就是模仿Double-DIP，用两个U-Net分别估计图像和模糊核。Self-Deblur也说了模糊核比较简单，所以用了全连接网络。这篇论文基本思想与Self-Deblur完全一致，只是降质模型是非均匀模糊，估计模糊核是多输出的。

所谓的EM算法，其实是伪的EM算法，并没有E步和M步迭代做什么，只是推导出一个$Q$函数。而且实验结果又说采样数为1最好。这说明什么呢？一顿操作猛如虎，结果白推导（白努利）呗，最终还是数据保真项的梯度下降。

有些人真会讲故事，再加上reviewers中砖头太多。