项目地址：http://www.cse.cuhk.edu.hk/~leojia/projects/robust_deblur/index.html 贾佳亚团队 边缘预测与边缘选择，过滤细微结构对于模糊核估计的影响分两阶段估计模糊核，第一阶段：L2范数，第二阶段：L1范数图像先验，在估计模糊核过程中使用空间结构先验，非盲阶段时使用TV范数 文章首先了图像结构如何影响模糊核结构： Salien

项目地址：http://www.cse.cuhk.edu.hk/~leojia/projects/motion_deblurring/index.html 香港中文大学 贾佳亚团队 分析了振铃现象（ringing artifacts）产生的原因改进了噪声模型，保证噪声分布在空间上是随机的，非结构化的概率模型（probabilistic model）到能量最小化问题，基于MAP图像先验分为：（全局

项目地址：http://neelj.com/projects/twocolordeconvolution/ 没有代码=_= 微软研究院 非盲去模糊基于MAP超拉普拉斯先验+颜色先验 文章首先分析了Levin等人使用超拉普拉斯分布惩罚图像梯度（次线性惩罚函数），相比高斯分布更能建模自然图像0峰重尾梯度分布（the zero-peaked and heavy tailed gradient dis

目录 写在前面基于核聚类的空变模糊核估计以及图像去模糊摘要关键字 1. 介绍2.相关工作3.模糊核估计和去模糊框架3.1 图像块模糊核估计3.2 使用核聚类以优化模糊核3.3 通过图像融合进行空变去模糊 4. 实验结果5. 讨论6. 结论参考文献 写在前面 文章：Space-variant blur kernel estimation and image deblurring t

今天介绍一篇发表在 ACM SIGGRAPH 上的文章，是用手机的双摄系统来做人脸去模糊的工作。这也是谷歌计算摄影研究组的工作。 快速运动物体的运动模糊在摄影中是一个一直以来的难题，在手机摄影中也是非常常见的问题，尤其在光照不足，需要延长曝光时间的场景。最近几年，我们也看到了图像去模糊领域的巨大进步，不过大多数的图像去模糊方法的算法开销很高，需要依赖很高的算力，同时在处理高分辨率图像时还存在局限

Try the online demo: http://willow-fd.rocq.inria.fr/unshake/ Overview One common feature of “shaken” images is the presence of saturated pixels. These are caused when the radiance of the scene excee

项目地址：http://www.cse.cuhk.edu.hk/~leojia/projects/robust_deblur/index.html 贾佳亚团队 边缘预测与边缘选择，过滤细微结构对于模糊核估计的影响分两阶段估计模糊核，第一阶段：L2范数，第二阶段：L1范数图像先验，在估计模糊核过程中使用空间结构先验，非盲阶段时使用TV范数 文章首先了图像结构如何影响模糊核结构： Salien

DeFMO: Deblurring and Shape Recovery of Fast Moving Objects 论文链接 一、摘要和介绍 摘要: 用相机拍摄高速移动的物体时，会明显模糊。而当拍摄的对象具有复杂的形状或纹理时，本就模糊的外观会更模糊。在这种情况下，一些经典方法甚至人类都无法恢复对象的外观和运动。该论文提出了一种方法，该方法在给定单个图像及其估计背景的情况下，在一系列子

前言：利用事件相机作的视频去糊和视频插帧文章，发表在ECCV2020 论文地址：【here】 Learning Event-Driven Video Deblurring and Interpolation 引言 目前去糊的方法没有办法解决特别糊的情况，因此可以利用一种低时延的新型相机解决特别糊的图片的去糊问题 目前主要有两种方法： 第一种pan等人的传统方法（CVPR2019），通过优化