摘要
本文针对动态场景下的运动模糊去模糊问题展开研究。尽管近年来端到端的全卷积网络设计在非均匀运动去模糊任务中取得了最先进的性能，但其在性能与计算复杂度之间的权衡仍不够理想。现有方法通常通过增加通用卷积层的数量和卷积核尺寸来扩大感受野，但这往往导致模型规模增大和推理速度下降。为此，本文提出一种高效且像素自适应、特征感知的网络设计，能够有效处理图像中不同空间位置间显著变化的模糊程度，并对每张测试图像进行自适应处理。此外，我们设计了一种内容感知的全局-局部滤波模块，通过同时建模全局依赖关系并动态利用邻近像素信息，显著提升了模型性能。我们进一步构建了一种基于上述模块的分块层次化注意力架构，该架构能够隐式地捕捉输入图像中模糊的空间分布特性，并据此对中间特征进行局部与全局的调制。在多个去模糊基准数据集上的大量定性和定量对比实验表明，所提出的模型在精度和推理速度方面均显著优于当前最先进的方法。