私たちは、モーションブラーの除去に向けたエンドツーエンド学習手法であるDeblurGANを提案します。この学習は条件付きGANとコンテンツロスに基づいています。DeblurGANは、構造的類似度測定および視覚的外観において最先端の性能を達成しています。また、ブラー画像での物体検出という実世界の問題に対して、新しい評価方法でモデルの品質を評価しています。本手法は最寄りの競合技術であるDeepDeblurよりも5倍速いです。さらに、シャープな画像から合成モーションブラー画像を生成する新しい手法も紹介します。これにより現実的なデータセット拡張が可能となります。モデル、コード、およびデータセットは以下のURLから入手できます: https://github.com/KupynOrest/DeblurGAN