该研究提出了一种非盲目旋转运动去模糊方法，能够识别旋转中心并分析其错误范围。实验证明该方法在单一坐标轴上的误差少于1个像素，能够帮助现有的去模糊方法产生更好的图像。

本论文介绍了RDNet方法，通过模拟和分析事件的退化机制，提高图像去模糊的质量。实验结果表明RDNet在事件恢复和去模糊任务中表现更好。

本文介绍了AdaRevD方法，通过重新设计可逆解码器并继承编码器权重，提升图像去模糊效果。通过分离高级退化程度和低级模糊模式来提高模型性能。引入分类器学习图像块的模糊程度，实现了不同子解码器对图像块的快速处理。实验证明了AdaRevD在图像去模糊方面的极限。

本研究使用贝叶斯压缩感知框架研究了重尾先验下的线性模型，并提出了一种高效的方法近似估计高斯方差，实现对完整后验分布的捕捉及模型参数的学习。实验结果表明在图像去模糊中取得了良好效果。

该研究提出了两种金字塔模块，用于模糊图像恢复。实验证明该方法优于现有方法，在图像去模糊挑战中取得了最好的分数。