通过模糊像素离散化实现真实世界高效盲运动去模糊

随着移动摄像头技术的最新进展，高分辨率图像（如4K图像）的捕捉已成为现实，由此对能够有效处理大范围运动模糊的去模糊模型的需求也日益增长。本文发现，图像残差误差（即模糊像素与清晰像素之间的差异）可根据其运动模糊类型以及邻域像素的复杂程度被划分为若干类别。受此启发，我们将去模糊（回归）任务分解为两个阶段：模糊像素离散化（像素级模糊分类）与离散到连续的转换（基于模糊类别图的回归）。具体而言，我们通过识别模糊像素来生成离散化的图像残差误差，随后将其转换为连续形式，该方法在计算效率上显著优于直接求解原始连续值回归问题的朴素方法。值得注意的是，我们发现离散化结果——即模糊分割图——在视觉上与原始图像残差误差具有显著相似性。因此，我们的高效模型在真实场景基准测试中达到了与当前最先进方法相当的性能，同时计算效率最高可达后者的10倍。