Rethinking Motion Deblurring Training: A Segmentation-Based Method for Simulating Non-Uniform Motion Blurred Images

要約

実際の動きのブレを除去するためのエンドツーエンドのディープ ネットワークのトレーニングを成功させるには、実際のぼやけた画像への一般化を達成するのに十分現実的で多様なシャープ/ぼやけた画像ペアのデータセットが必要です。
このようなデータセットを取得することは、依然として困難な作業です。
このホワイト ペーパーでは、最初に、既存のブレ除去ベンチマーク データセットの制限を、実際のぼやけた画像への一般化の観点から確認します。
第二に、ぼやけた画像の形成のためのシンプルで効果的なモデルに基づいて、シャープ/ぼやけた画像のペアを生成するための効率的な手続き的方法論を提案します。
これにより、事実上無限の現実的で多様なトレーニング ペアを生成できます。
シミュレートされたペアで既存のブレ除去アーキテクチャをトレーニングし、実際のぼやけた画像の4つの標準データセットでそれらを評価することにより、提案されたデータセットの有効性を示します。
提案された方法でトレーニングすると、動的シーンの実際のモーションブラーされた写真のブレを除去するという最終的なタスクに対して、優れた一般化パフォーマンスが観察されました。

要約(オリジナル)

Successful training of end-to-end deep networks for real motion deblurring requires datasets of sharp/blurred image pairs that are realistic and diverse enough to achieve generalization to real blurred images. Obtaining such datasets remains a challenging task. In this paper, we first review the limitations of existing deblurring benchmark datasets from the perspective of generalization to blurry images in the wild. Secondly, we propose an efficient procedural methodology to generate sharp/blurred image pairs, based on a simple yet effective model for the formation of blurred images. This allows generating virtually unlimited realistic and diverse training pairs. We demonstrate the effectiveness of the proposed dataset by training existing deblurring architectures on the simulated pairs and evaluating them across four standard datasets of real blurred images. We observed superior generalization performance for the ultimate task of deblurring real motion-blurred photos of dynamic scenes when training with the proposed method.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google