Die Merkmalsextraktion oder Lokalisierung basierend auf Fiducial-Markern kann in realen robotischen Anwendungen aufgrund von Bewegungsunschärfe fehlschlagen. Um dieses Problem zu lösen, wird in diesem Artikel ein leichtgewichtiger generativer adversarialer Netzwerkansatz namens Ghost-DeblurGAN für die Echtzeit-Bewegungsunschärfekorrektur vorgestellt. Darüber hinaus wird aufgrund des Fehlens eines bestehenden Benchmark-Datensatzes für diese Aufgabe ein neuer, großskaliger Datensatz namens YorkTag vorgeschlagen, der Paare aus scharfen und verschwommenen Bildern mit Fiducial-Markern bereitstellt. Durch die Trainierung und Bewertung des vorgeschlagenen Modells auf YorkTag wird gezeigt, dass Ghost-DeblurGAN die Erkennung von Fiducial-Markern bei bewegungsverschwommenen Bildern erheblich verbessert, wenn es in Kombination mit Fiducial-Marker-Systemen eingesetzt wird. Die im Artikel verwendeten Datensätze und Codes sind unter folgender URL verfügbar: https://github.com/York-SDCNLab/Ghost-DeblurGAN.