本文介绍了图像去模糊的两种类型：Blind和Non-blind，并重点探讨了运动模糊的处理。文中列举了多个典型论文，如DeblurGAN-v2、Learning to Synthesize Motion Blur等，展示了深度学习在去模糊领域的进展，包括使用GAN和特殊网络结构来提高去模糊效果。此外，还提到了真实世界模糊数据集的重要性和挑战，以及当前模型在应对复杂模糊情况的局限性。
1入门
去模糊分为Blind型和Non-blind型
Blind：在模糊核未知的情况下恢复出清晰的图像。（常见）
Non-blind：在模糊核已知的情况下恢复出清晰的原始图像
模糊种类：运动模糊、离焦模糊、高斯模糊等，学术界关注等较多等为运动模糊
2、典型paper
DeblurGAN-v2：条件GAN+FPN,去除运动模糊、更快更高效。https://www.jiqizhixin.com/articles/2019-09-11-12
Learning to Synthesize Motion Blur：
从连续捕获的不模糊的图像对合成运动模糊图片，作者设计了一个可微的线性回归单元，用于从图像对回归模糊图像。作者使用插帧技术产生了大量的图片，从运动模糊视频中产生了一个运动模糊数据集。
2017ICCV:Learning to Super-Resolve Blurry Face and Text Images：
基于GAN模糊低分辨率到-->清晰高分辨率,设计了一个loss用于超分任务。
BMVC2015:Convolutional Neural Networks for Direct Text Deblurring：用于文本任务的去模糊</
订阅专栏 解锁全文
扫一扫
1026
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
