摘要
在动态场景中，由于物体运动、相机移动等多种因素共同作用导致的运动模糊，使得运动去模糊成为一个极具挑战性的任务。事件相机能够以极低的延迟检测亮度变化，因此事件数据中天然包含了丰富的运动信息，这对于恢复标准相机图像的模糊内容具有重要价值。由于物体深度、运动速度等因素的影响，图像中模糊程度在空间上并不均匀。为此，本文提出一种双分支网络结构——运动感知双注意力网络（Motion Aware Double Attention Network, MADANet），该网络特别关注模糊程度较高的区域。网络中，事件数据首先被用于高模糊区域分割模块，该模块生成一个类似概率的得分，用于标识相对于相机具有显著相对运动的区域。随后，事件数据被注入主干网络的特征图中，并在每个分支中引入第二层注意力机制。通过有效利用事件数据并结合两级注意力机制，该网络结构紧凑且高效。实验结果表明，所提出的网络不仅在GoPro基准数据集上达到了当前最优性能，还在两个新采集的数据集上表现出色，其中一个数据集包含真实的事件数据。