DeblurGAN: 조건부 적대적 네트워크를 사용한 블라인드 모션 디블러링

우리는 모션 블러 제거를 위한 end-to-end 학습 방법인 DeblurGAN을 소개합니다. 이 학습은 조건부 GAN(Generative Adversarial Network)과 콘텐츠 손실(content loss)에 기반을 두고 있습니다. DeblurGAN은 구조적 유사성 측정과 시각적 표현 모두에서 최고의 성능을 달성하였습니다. 또한, 블러 제거 모델의 품질은 실제 문제인 (블러 제거된) 이미지에서의 객체 검출을 통해 새로운 방식으로 평가되었습니다. 이 방법은 가장 가까운 경쟁자인 DeepDeblur보다 5배 더 빠릅니다. 우리는 또렷한 이미지에서 합성 모션 블러 이미지를 생성하는 새로운 방법도 소개합니다. 이를 통해 현실적인 데이터셋 증강이 가능해집니다.모델, 코드 및 데이터셋은 https://github.com/KupynOrest/DeblurGAN에서 확인할 수 있습니다.