フィデューシャルマーカーに基づく特徴抽出または局所化は、実世界のロボット応用における運動ブラーの影響により失敗する可能性がある。この問題を解決するため、本論文ではリアルタイムの運動ブラー除去を目的として、軽量な生成的 adversarial ネットワーク「Ghost-DeblurGAN」が開発された。さらに、このタスクに対する既存のブラー除去ベンチマークが存在しないため、フィデューシャルマーカーを含む鮮明画像とブラー画像のペアを提供する新たな大規模データセット「YorkTag」が提案された。提案されたモデルをYorkTag上で学習・評価した結果、フィデューシャルマーカーシステムと組み合わせて運動ブラー画像に適用した場合、Ghost-DeblurGANはマーカー検出性能を顕著に向上させることを実証した。本論文で使用したデータセットおよびコードは、以下のURLから公開されている：https://github.com/York-SDCNLab/Ghost-DeblurGAN。