摘要

高速运动的物体在相机拍摄时会呈现显著的模糊现象，尤其当物体具有复杂形状或纹理时，这种模糊更加难以辨识。在这种情况下，传统方法甚至人类观察者都难以恢复物体的真实外观与运动状态。为此，我们提出一种新方法：在给定一张包含估计背景的模糊图像的前提下，该方法能够输出物体在一系列子帧中的清晰外观与位置信息，仿佛由高速相机捕捉一般（即实现时间超分辨率）。所提出的生成模型将模糊物体图像嵌入到潜在空间表示中，分离背景信息，并重建出清晰的外观。受图像形成模型的启发，我们设计了新颖的自监督损失函数项，有效提升了模型性能，并展现出良好的泛化能力。所提出的DeFMO方法在复杂合成数据集上进行训练，但在多个真实世界数据集上均表现出优异的性能。实验结果表明，DeFMO显著优于现有最先进方法，能够生成高质量的时间超分辨率图像帧。