時間的に多段階にわたる再帰型ニューラルネットワークを用いた段階的非一様な単一画像のぼかし除去と段階的時系列学習

マルチスケール（MS）アプローチは、ブラインドな単一画像／動画のデブラー処理において広く研究されており、低空間スケールでまず画像の復元を実行し、その後高空間スケールへと段階的に処理を進める手法である。特に、高空間スケールにおける大規模な運動による重度のブラーに対して、MSアプローチは有効である。これは、大規模な運動によるブラーが低空間スケールでは微小なブラーとして捉えられるためである。本研究では、非一様な単一画像デブラー処理に対して、MSアプローチの代替としてマルチタイム（MT）アプローチを検討する。具体的には、時間分解データセットから構築したMTレベルデータセットを用いた段階的時間学習手法を提案し、再帰的特徴マップを備えた新しいMT-RNNを設計し、反復処理を通じた段階的な単一画像デブラー処理の可能性を検証する。提案手法は、GoProデータセットにおいてPSNR評価で最先端のMS手法を上回り、パラメータ数が最小であるという優位性を示した。