泛化真实场景中的基于事件的运动去模糊
原文中文,约200字,阅读约需1分钟。发表于: 。本研究提出了一个新的基于事件的去模糊方法,通过利用不同空间和时间尺度的运动模糊信息,构建了一个适应实际场景的多尺度网络,通过自我监督学习来提高准确性,并引入一个包含多尺度模糊帧和事件的真实世界数据集以促进事件驱动去模糊研究。
该研究提出了一种基于事件感知的运动去模糊和帧插值的统一框架,通过超低延迟缓解运动模糊并实现中间帧预测。该框架利用可学习的双重积分网络和融合网络实现。同时,通过自监督学习框架,利用相邻模糊输入和同时发生的事件的信息进行网络训练。实验结果表明,该方法在合成和真实世界数据集上均取得了显著的性能优势,是一种有效的去模糊技术方案。