リアルなブラー合成による画像のぼかし除去学習

学習ベースのデブラーイング手法の訓練には、大量のかすれた画像と鮮明な画像のペアが必要となる。しかし、現在利用可能な合成データセットは十分に現実的ではなく、それらで訓練されたデブラーイングモデルは実際のかすれた画像に対して効果的に対処できない。近年、実画像を用いたデータセットの提案がなされたが、それらはシーンやカメラ設定の多様性に制限があり、多様な設定下で実画像データセットを収集することは依然として困難である。この課題を解決するため、本論文では実画像と合成画像におけるかすれの違いを引き起こすさまざまな要因を分析する。その結果、実際のかすれた画像と対応する鮮明な画像シーケンスを含む新しいデータセット「RSBlur」を提案する。このデータセットを用いて、かすれ生成プロセスにおける異なる要因の影響を詳細に明らかにする。さらに、その分析に基づき、より現実的なかすれを再現するための新しい合成パイプラインを提案する。実験の結果、本研究で提案する合成パイプラインは、実際のかすれた画像に対するデブラーイング性能を向上させることを示した。