摘要
夜景摄影通常会受到低光照和模糊问题的影响，这是由于昏暗的环境以及常用的长时间曝光所致。尽管现有的光线增强和去模糊方法可以分别解决这些问题，但这些方法的级联并不能和谐地应对可见性和纹理的联合退化。此外，由于缺乏配对数据来描述低光照和模糊的共存情况，端到端网络的训练也不可行。为了解决这一问题，我们引入了一种新的数据合成管道，该管道能够模拟真实的低光照模糊退化。利用这一管道，我们发布了首个大规模联合低光照增强和去模糊的数据集。该数据集名为LOL-Blur（Low-Light and Blur），包含12,000个低模糊/正常清晰图像对，涵盖了不同场景下的多种黑暗程度和运动模糊。我们进一步提出了一种有效的网络模型，命名为LEDNet（Low-Light Enhancement and Deblurring Network），用于执行联合低光照增强和去模糊任务。我们的网络设计独特，特别考虑了这两个相互关联任务之间的协同作用。所提出的 数据集和网络为这一具有挑战性的联合任务提供了基础。大量实验表明，我们的方法在合成数据集和真实世界数据集上均表现出有效性。