摘要

非均匀盲去模糊对于一般动态场景是一个具有挑战性的计算机视觉问题，因为模糊不仅由多个物体运动引起，还受到相机抖动和场景深度变化的影响。为了消除这些复杂的运动模糊，传统的基于能量优化的方法依赖于简单的假设，例如模糊核部分均匀或局部线性。此外，最近基于机器学习的方法也依赖于在这些假设下生成的合成模糊数据集。这使得传统去模糊方法在难以近似或参数化的模糊核（如物体运动边界）的情况下无法有效去除模糊。在这项工作中，我们提出了一种多尺度卷积神经网络，该网络以端到端的方式恢复因各种原因导致模糊的清晰图像。同时，我们引入了一种多尺度损失函数，模拟了传统的从粗到细的方法。此外，我们还提出了一种新的大规模数据集，提供了通过高速摄像机获取的真实模糊图像及其对应的清晰图像对。通过在该数据集上训练所提出的模型，我们实证展示了我们的方法在动态场景去模糊方面不仅定性而且定量地达到了最先进的性能。