DeblurGAN-v2：去模糊（数量级）更快且更好

我们提出了一种新的端到端生成对抗网络（GAN），用于单幅图像运动去模糊，命名为DeblurGAN-v2，该网络显著提升了当前最先进的去模糊效率、质量和灵活性。DeblurGAN-v2基于相对论条件GAN，并采用了双尺度判别器。首次，我们将特征金字塔网络（Feature Pyramid Network）引入去模糊任务中，作为DeblurGAN-v2生成器的核心构建模块。它可以灵活地与多种主干网络配合使用，以平衡性能和效率。通过插入复杂的主干网络（例如Inception-ResNet-v2），可以实现当前最先进水平的去模糊效果。同时，使用轻量级主干网络（例如MobileNet及其变体），DeblurGAN-v2的速度比最近的竞争对手快10至100倍，同时仍能保持接近最先进水平的结果，这意味着其具备实时视频去模糊的潜力。我们展示了DeblurGAN-v2在多个流行的基准测试中取得了非常有竞争力的表现，无论是在去模糊质量（包括客观和主观评价）还是在效率方面。此外，我们还证明了该架构在一般的图像恢复任务中也具有有效性。我们的代码、模型和数据可在以下网址获取：https://github.com/KupynOrest/DeblurGANv2