摘要

我们提出了一种简单而高效的深度卷积神经网络（CNN）模型，用于视频去模糊。所提出的算法主要由两个步骤构成：从中间隐含帧中估计光流，以及隐含帧的恢复。首先，我们构建了一个深度CNN模型，用于从中间隐含帧中估计光流；随后，基于估计得到的光流对隐含帧进行恢复。为了更充分地挖掘视频中的时序信息，我们引入了一种时序清晰度先验，用于约束深度CNN模型，从而辅助隐含帧的恢复。此外，我们设计了一种高效的级联训练策略，并以端到端的方式联合训练所提出的CNN模型。实验结果表明，引入视频去模糊领域的先验知识能够使深度CNN模型更加紧凑且高效。大量实验验证显示，该方法在基准数据集及真实世界视频上的去模糊效果均优于当前最先进的技术。