BANet：面向动态场景去模糊的模糊感知注意力网络

图像运动模糊是由物体运动与相机抖动共同作用所致，其模糊效应通常具有方向性且非均匀。以往的研究尝试通过自回归多尺度、多块或时空并行架构结合自注意力机制来处理非均匀模糊，取得了较为理想的效果。然而，自回归框架通常导致推理时间较长，而像素间或通道间的自注意力机制则可能引发过高的内存开销。本文提出了一种模糊感知注意力网络（Blur-aware Attention Network, BANet），通过单次前向传播即可实现高效且精准的去模糊。BANet采用基于区域的自注意力机制，并结合多核条带池化（multi-kernel strip pooling），有效解耦不同强度与方向的模糊模式；同时，通过级联并行空洞卷积聚合多尺度内容特征。在GoPro与RealBlur基准数据集上的大量实验结果表明，所提出的BANet在图像去模糊任务中表现优于现有最先进方法，并可实现实时去模糊处理。