PulseAugur
中
实时 10:34:03

新数据集和模型应对真实世界图像去模糊挑战

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员推出了两个新的真实世界图像去模糊数据集和模型。第一个是“Deblurring in the Wild”，它利用智能手机慢动作视频创建了一个包含超过42,000对模糊-清晰图像的大型数据集，规模远大于现有数据集。该数据集突显了当前最先进模型性能的下降，表明需要更鲁棒的解决方案。第二个贡献是RealVDeblur，它提出了一个高效的生成框架，使用一步扩散模型和3D高斯溅射进行逼真的模糊合成，旨在实现可泛化的视频去模糊，从而改进3D重建等下游应用。 AI

影响 去模糊技术的进步可以提高消费设备的图像质量，并增强3D重建等下游计算机视觉任务。

排序理由 两篇研究论文介绍了用于图像去模糊的新数据集和模型。

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

新数据集和模型应对真实世界图像去模糊挑战

报道来源 [2]

  1. arXiv cs.AI TIER_1 English(EN) · Syed Mumtahin Mahmud, Mahdi Mohd Hossain Noki, Prothito Shovon Majumder, Abdul Mohaimen Al Radi, Sudipto Das Sukanto, Afia Lubaina, Md. Mosaddek Khan ·

    Deblurring in the Wild: A Real-World Image Deblurring Dataset from Smartphone High-Speed Videos

    arXiv:2506.19445v4 Announce Type: cross Abstract: We introduce the largest real-world image deblurring dataset constructed from smartphone slow-motion videos. Using 240 frames captured over one second, we simulate realistic long-exposure blur by averaging frames to produce blurry…

  2. arXiv cs.AI TIER_1 English(EN) · Renbiao Jin, Mingxin Yang, Yutian Chen, Junhao Zhuang, Xin Cai, Mulin Yu, Linning Xu, Wenxian Yu, Danping Zou, Shi Guo, Tianfan Xue ·

    RealVDeblur：一步式扩散模型实现通用的真实世界视频去模糊

    arXiv:2607.20628v1 Announce Type: cross Abstract: Real-world video deblurring remains challenging due to diverse motion patterns, complex degradations, and the scarcity of realistic training data, yet robust restoration is critical for downstream pipelines such as mobile imaging …

相关实体

相关话题