Wir präsentieren DeblurGAN, eine von einem Ende zum anderen gelernte Methode zur Bewegungsentverwischung. Das Lernen basiert auf einem bedingten GAN und dem Content-Loss. DeblurGAN erreicht Spitzenleistungen sowohl im strukturellen Ähnlichkeitsmaß als auch im visuellen Erscheinungsbild. Die Qualität des Entverwischungsmodells wird außerdem auf innovative Weise anhand eines realen Problems evaluiert – der Objekterkennung in (ent-)verwischten Bildern. Die Methode ist fünfmal schneller als der nächstkonkurrierende Ansatz – DeepDeblur. Wir führen zudem eine neuartige Methode zur Erzeugung synthetischer bewegungsverwischter Bilder aus scharfen Bildern ein, die es ermöglicht, Datensätze realistisch zu erweitern.Das Modell, der Code und der Datensatz sind unter https://github.com/KupynOrest/DeblurGAN verfügbar.