摘要

我们介绍了DeblurGAN，这是一种端到端学习的运动去模糊方法。该方法的学习基于条件生成对抗网络（conditional GAN）和内容损失函数。DeblurGAN在结构相似度指标和视觉效果方面均达到了当前最佳性能。此外，我们还以一种新颖的方式评估了去模糊模型的质量——即在实际问题中对去模糊图像进行目标检测。该方法的速度比最接近的竞争对手DeepDeblur快5倍。我们还提出了一种从清晰图像生成合成运动模糊图像的新方法，允许实现更加真实的 数据集增强。模型、代码和数据集可在以下链接获取：https://github.com/KupynOrest/DeblurGAN