Effiziente blindes Bewegungs-Entschärfen in der realen Welt durch Diskretisierung von verschwommenen Pixeln

Angesichts der jüngsten Fortschritte in der mobilen Kameratechnologie, die die Aufnahme von hochauflösenden Bildern – beispielsweise in 4K-Qualität – ermöglichen, hat die Nachfrage nach effizienten Entschärfungsmodellen, die große Bewegungsunschärfen bewältigen können, zugenommen. In diesem Artikel entdecken wir, dass die Bildrestfehler, also die Unterschiede zwischen unscharfen und scharfen Pixeln, anhand ihres Bewegungsunschärfetyps und der Komplexität der benachbarten Pixel in mehrere Kategorien eingeteilt werden können. Darauf aufbauend zerlegen wir die Entschärfungsaufgabe (Regression) in zwei Teilprobleme: die Diskretisierung der Bildrestfehler (pixelgenaue Klassifizierung der unscharfen Pixel) und die Umwandlung von diskreten in kontinuierliche Werte (Regression mittels einer Klassenkarte für Unschärfe). Konkret generieren wir die diskretisierten Bildrestfehler, indem wir unscharfe Pixel identifizieren, und transformieren diese anschließend in eine kontinuierliche Form. Dieser Ansatz ist rechnerisch deutlich effizienter als die direkte Lösung des ursprünglichen Regressionsproblems mit kontinuierlichen Werten. Dabei stellen wir fest, dass das Ergebnis der Diskretisierung – also die Karte der unscharfen Segmentierung – eine bemerkenswerte visuelle Ähnlichkeit mit den ursprünglichen Bildrestfehlern aufweist. Folglich zeigt unser effizientes Modell in realistischen Benchmarks Leistungen, die mit den aktuell besten Methoden vergleichbar sind, während unsere Methode bis zu zehnmal rechnerisch effizienter ist.