DeblurGAN: 用条件对抗网络去除运动模糊

新知榜官方账号

2023-10-30 10:07:29

DeblurGAN: 用条件对抗网络去除运动模糊

在异国街头拍照时,手抖或者画面中的物体运动会让画面模糊,这是非常令人苦恼的。近日,乌克兰天主教大学、布拉格捷克理工大学和解决方案提供商Eleks联手公布了一篇论文,提出了一种基于条件对抗式生成网络和内容损失的端对端学习法DeblurGAN,可以去除图像上因为物体运动而产生的模糊。

DeblurGAN的基本原理是训练一个CNNGθG作为生成器,每张IB都对应着一张估计出的清晰图像IS。在训练阶段,引入critic函数DθD,以对抗的方式训练两个网络。DeblurGAN包含两个1/2间隔的卷积单元、9个剩余residual单元和两个反卷积单元。每个ResBlock由一个卷积层、实例归一化层和ReLU激活组成。

DeblurGAN所用的训练集中有2/3是合成图像,1/3是高帧率相机拍摄的图像。由于它们均为全卷积模型,又是在图像patch上训练的,因此可以应用在任意大小的图像中。测试结果表明,DeblurGAN在定性和定量两方面都表现出优异的结果。它可以处理由相机抖动和物体运动引起的模糊,不会受到通常的核评估方法的影响,同时参数仅为Multi-scaleCNN的六分之一,大大加快了推理速度。

除了去除运动模糊,DeblurGAN还可以用于评估质量的去模糊算法的新方式。研究人员探索了动态模糊对目标检测的影响,提出了一种基于在预训练的YOLO网络上目标检测的结果的评估质量的去模糊算法的新方式。

DeblurGAN的论文地址为:https://arxiv.org/abs/1711.07064,相关代码(PyTorch)为:https://github.com/KupynOrest/DeblurGAN

本页网址:https://www.xinzhibang.net/article_detail-18361.html

寻求报道,请 点击这里 微信扫码咨询

关键词

DeblurGAN 运动模糊 条件对抗网络

分享至微信: 微信扫码阅读

相关工具

相关文章

相关快讯