摘要

在动态场景中拍摄的图像往往包含不期望的运动模糊，这会显著降低视觉质量。此类模糊通常导致局部区域出现方向性且非均匀的平滑伪影，且影响范围涵盖短距离与长距离，难以有效消除。受当前Transformer在计算机视觉与图像处理任务中取得成功的启发，我们提出了一种基于Transformer的新型架构——Stripformer。该模型通过构建水平与垂直方向的内部条带（intra-strip）和跨条带（inter-strip）令牌，对图像特征进行重加权，以捕捉不同方向的模糊模式。Stripformer采用交错堆叠的内部条带注意力与跨条带注意力层，有效揭示模糊的强度分布。除了能够检测具有不同方向与程度的区域特异性模糊模式外，Stripformer还具备出色的令牌效率与参数效率，相较于标准Transformer，其内存占用与计算开销显著降低，且在无需海量训练数据的情况下仍能实现优异性能。实验结果表明，Stripformer在动态场景去模糊任务中表现优于现有最先进模型。