摘要
本文提出了一种面向空间变化模糊图估计的首个端到端卷积神经网络（CNN）架构——模糊图估计网络（Defocus Map Estimation Network, DMENet）。为训练该网络，我们构建了一个新型景深（Depth-of-Field, DOF）数据集SYNDOF，其中每张图像均基于真实深度图进行合成模糊处理，且具备真实的深度标注信息。由于SYNDOF数据集具有合成特性，其图像特征与真实模糊图像之间可能存在差异。为弥合这一域间差距，我们引入域自适应（domain adaptation）技术，将真实模糊图像的特征迁移至合成模糊图像的特征空间中。DMENet由四个子网络构成：模糊估计网络、域自适应网络、内容保持网络以及清晰度校准网络。各子网络相互连接，并在端到端的框架下联合训练，各自接受相应的监督信号。我们在公开可用的模糊检测与模糊估计数据集上对所提方法进行了评估，实验结果表明，该方法在多项指标上均达到了当前最先进的性能水平。