admin管理员组

文章数量:1130349

前言：ICCV2021图像单帧运动去糊论文
论文地址：【here】
代码地址：【here】

Rethinking Coarse-to-Fine Approach in Single Image Deblurring

引言

图像去糊来自与物体或相机的运动。现有的deblur领域的深度学习方法大多都是coarse-to-fine的架构，这样的确在性能上取得了一定的成功，但是占用了内存，计算量大。因此，提出一种轻量级的方法很有必要，目前还没有性能超过SOTA的轻量级网络
因此，本文提出了一种基于coarse-to-fine的MIMO-UNet网络，由encoder ，multi-input single encoder (MISE)，decoder multi-output single decoder (MOSD)，asymmetric feature fusion (AFF)的设计构成

相关工作

以下四幅图可以简单概括现有去糊方法的思路

第一、二张图，利用多尺度的Input构建多尺度的学习网络，第一张图在粗尺度上为细尺度提供信息，第二张图在此基础上，设计成了UNet网络，加了跳跃连接，并share大部分参数，第三张图，是在相同的尺度下，但是进行多次去糊操作，第四章图为本文设计。可见，不管是哪种方案，对计算量和运行时间的消耗都

前言：ICCV2021图像单帧运动去糊论文
论文地址：【here】
代码地址：【here】

Rethinking Coarse-to-Fine Approach in Single Image Deblurring

引言

图像去糊来自与物体或相机的运动。现有的deblur领域的深度学习方法大多都是coarse-to-fine的架构，这样的确在性能上取得了一定的成功，但是占用了内存，计算量大。因此，提出一种轻量级的方法很有必要，目前还没有性能超过SOTA的轻量级网络
因此，本文提出了一种基于coarse-to-fine的MIMO-UNet网络，由encoder ，multi-input single encoder (MISE)，decoder multi-output single decoder (MOSD)，asymmetric feature fusion (AFF)的设计构成

相关工作

以下四幅图可以简单概括现有去糊方法的思路

第一、二张图，利用多尺度的Input构建多尺度的学习网络，第一张图在粗尺度上为细尺度提供信息，第二张图在此基础上，设计成了UNet网络，加了跳跃连接，并share大部分参数，第三张图，是在相同的尺度下，但是进行多次去糊操作，第四章图为本文设计。可见，不管是哪种方案，对计算量和运行时间的消耗都

本文标签： 论文CoarseRethinkingFineDeblurring

版权声明：本文标题：论文阅读 | Rethinking Coarse-to-Fine Approach in Single Image Deblurring 内容由热心网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：https://it.en369.cn/jiaocheng/1763631403a2949718.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。