MC-Blur: A Comprehensive Benchmark for Image Deblurring

要約

ぼやけアーティファクトは画像の視覚的な品質を著しく低下させる可能性があるため、特定のシナリオ向けに多数のぼやけ除去方法が提案されています。
ただし、現実世界のほとんどの画像では、動きや焦点ぼけなどのさまざまな要因によってぼやけが発生します。
このペーパーでは、複数の種類のブラーがある場合に、さまざまなブラー除去方法がどのように機能するかについて説明します。
詳細なパフォーマンス評価のために、実世界のぼやけた画像とぼやけの要素が混合された合成ぼやけた画像を含む、新しい大規模な多原因画像ぼけ除去データセット (MC-Blur と呼ばれる) を構築します。
提案された MC-Blur データセット内の画像は、1000 fps の高速カメラでキャプチャされた鮮明な画像の平均化、超高解像度 (UHD) の鮮明な画像と大きなサイズのカーネルの畳み込み、画像への焦点ぼかしの追加など、さまざまな技術を使用して収集されています。
、およびさまざまなカメラモデルでキャプチャされた現実世界のぼやけた画像。
MC-Blur データセットに基づいて、さまざまなシナリオで SOTA 手法を比較し、その効率を分析し、構築されたデータセットの容量を調査するための大規模なベンチマーク調査を実施します。
これらのベンチマーク結果は、現在のブレ除去方法の利点と限界の包括的な概要を提供し、データセットの進歩を明らかにします。

要約(オリジナル)

Blur artifacts can seriously degrade the visual quality of images, and numerous deblurring methods have been proposed for specific scenarios. However, in most real-world images, blur is caused by different factors, e.g., motion and defocus. In this paper, we address how different deblurring methods perform in the case of multiple types of blur. For in-depth performance evaluation, we construct a new large-scale multi-cause image deblurring dataset (called MC-Blur), including real-world and synthesized blurry images with mixed factors of blurs. The images in the proposed MC-Blur dataset are collected using different techniques: averaging sharp images captured by a 1000-fps high-speed camera, convolving Ultra-High-Definition (UHD) sharp images with large-size kernels, adding defocus to images, and real-world blurry images captured by various camera models. Based on the MC-Blur dataset, we conduct extensive benchmarking studies to compare SOTA methods in different scenarios, analyze their efficiency, and investigate the built dataset’s capacity. These benchmarking results provide a comprehensive overview of the advantages and limitations of current deblurring methods, and reveal the advances of our dataset.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google