論文の概要: Blur2seq: Blind Deblurring and Camera Trajectory Estimation from a Single Camera Motion-blurred Image

• arxiv url: http://arxiv.org/abs/2510.20539v1
• Date: Thu, 23 Oct 2025 13:26:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 03:08:17.937354
• Title: Blur2seq: Blind Deblurring and Camera Trajectory Estimation from a Single Camera Motion-blurred Image
• Title（参考訳）: Blur2seq:単一カメラモーションブル画像からのブラインド劣化とカメラ軌道推定
• Authors: Guillermo Carbajal, Andrés Almansa, Pablo Musé,
• Abstract要約: カメラの揺らぎによる動きのぼやけは、特に大きな動きや回転運動の下では、画像復元において大きな課題である。 本稿では,1つのぼやけた画像から潜時鋭い画像と下層のカメラ運動軌跡を共同で推定する深層学習フレームワークを提案する。 本手法は,合成データと実データの両方で最先端の性能を実現する。
• 参考スコア（独自算出の注目度）: 2.842028685390758
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Motion blur caused by camera shake, particularly under large or rotational movements, remains a major challenge in image restoration. We propose a deep learning framework that jointly estimates the latent sharp image and the underlying camera motion trajectory from a single blurry image. Our method leverages the Projective Motion Blur Model (PMBM), implemented efficiently using a differentiable blur creation module compatible with modern networks. A neural network predicts a full 3D rotation trajectory, which guides a model-based restoration network trained end-to-end. This modular architecture provides interpretability by revealing the camera motion that produced the blur. Moreover, this trajectory enables the reconstruction of the sequence of sharp images that generated the observed blurry image. To further refine results, we optimize the trajectory post-inference via a reblur loss, improving consistency between the blurry input and the restored output. Extensive experiments show that our method achieves state-of-the-art performance on both synthetic and real datasets, particularly in cases with severe or spatially variant blur, where end-to-end deblurring networks struggle. Code and trained models are available at https://github.com/GuillermoCarbajal/Blur2Seq/
• Abstract（参考訳）: カメラの揺らぎによって引き起こされる動きのぼやけは、特に大きな動きや回転運動の下では、画像復元において大きな課題である。 本研究では,1つのぼやけた画像から潜時鋭い画像と下層のカメラ運動軌跡を共同で推定する深層学習フレームワークを提案する。 提案手法は,現代のネットワークと互換性のある識別可能なブラー生成モジュールを用いて,プロジェクティブモーションブラーモデル(PMBM)を効率的に実装する。 ニューラルネットワークは、モデルベースの復元ネットワークをトレーニングしたエンドツーエンドをガイドする、完全な3次元回転軌道を予測する。 このモジュラーアーキテクチャは、ぼやけたカメラの動きを明らかにすることで、解釈可能性を提供します。 さらに、この軌道は、観察されたぼやけた画像を生成するシャープな画像列の再構成を可能にする。 結果をさらに洗練するため、残響損失による軌道後推論を最適化し、ぼやけた入力と復元された出力との整合性を改善する。 広汎な実験により,本手法は合成データセットと実データの両方で最先端の性能を達成し,特に終端の劣化するネットワークが苦しむ重度あるいは空間的に変化したぼやけの場合に有効であることがわかった。 コードとトレーニングされたモデルはhttps://github.com/GuillermoCarbajal/Blur2Seq/で入手できる。

関連論文リスト

• DeblurSplat: SfM-free 3D Gaussian Splatting with Event Camera for Robust Deblurring [50.21760380168387]
  DeSplat と呼ばれるイベントカメラによる3次元ガウス分割法を初めて提案する。 我々は高密度ステレオモジュール(DUSt3R)の事前訓練機能を利用して、ぼやけた画像から正確な初期点雲を直接取得する。
  論文  参考訳（メタデータ） (2025-09-23T11:21:54Z)
• Deblur Gaussian Splatting SLAM [57.35366732452066]
  Deblur-SLAMは、モーションブルーの入力から鋭い復元を回復するために設計された堅牢なRGB SLAMパイプラインである。 我々は、動きブル画像の物理画像形成過程をモデル化し、観察されたぼやけた画像とぼやけた画像との誤差を最小化する。 我々は,合成および実世界のぼやけた入力データを用いて,シャープマップ推定とサブフレームトラジェクトリ回復のための最先端結果を得る。
  論文  参考訳（メタデータ） (2025-03-16T16:59:51Z)
• CoMoGaussian: Continuous Motion-Aware Gaussian Splatting from Motion-Blurred Images [19.08403715388913]
  3D Gaussian Splattingは高品質のノベルビューレンダリングのために注目されている。 重要な問題は、露出中の動きによるカメラの動きのぼかしであり、正確な3Dシーンの復元を妨げる。 動きブル画像から正確な3Dシーンを再構成する連続運動対応ガウス版CoMoGaussianを提案する。
  論文  参考訳（メタデータ） (2025-03-07T11:18:43Z)
• CRiM-GS: Continuous Rigid Motion-Aware Gaussian Splatting from Motion-Blurred Images [14.738528284246545]
  CRiM-GS は textbfContinuous textbfRigid textbfMotion-aware textbfGaussian textbfSplatting である。 リアルタイムレンダリング速度を維持しながら、モーションブルーの画像から正確な3Dシーンを再構築する。
  論文  参考訳（メタデータ） (2024-07-04T13:37:04Z)
• Motion-adaptive Separable Collaborative Filters for Blind Motion Deblurring [71.60457491155451]
  様々な動きによって生じる画像のぼかしを除去することは、難しい問題である。 本研究では,動き適応型分離型協調フィルタと呼ばれる実世界のデブロアリングフィルタモデルを提案する。 本手法は,実世界の動きのぼかし除去に有効な解法を提供し,最先端の性能を実現する。
  論文  参考訳（メタデータ） (2024-04-19T19:44:24Z)
• Depth-Aware Image Compositing Model for Parallax Camera Motion Blur [4.170640862518009]
  カメラの動きは、3D世界の奥行きの変化によって空間的に異なるぼやけをもたらす。 深度依存性の異なるぼかしに対して, 単純かつ高精度な画像呈示ブラ (ICB) モデルを提案する。
  論文  参考訳（メタデータ） (2023-03-16T14:15:32Z)
• Shape from Blur: Recovering Textured 3D Shape and Motion of Fast Moving Objects [115.71874459429381]
  本研究では, 物体の3次元形状, テクスチャ, 動きを単一動画像から共同で再構成する新しい課題について述べる。 従来の手法では2次元画像領域でのみ遅延問題に対処するが、3次元領域における全ての物体特性の厳密なモデリングは任意の物体の動きの正確な記述を可能にする。
  論文  参考訳（メタデータ） (2021-06-16T13:18:08Z)
• Restoration of Video Frames from a Single Blurred Image with Motion Understanding [69.90724075337194]
  単一モーション赤画像からクリーンな映像フレームを生成するための新しいフレームワークを提案する。 一つのぼやけた画像からの映像復元を逆問題として、クリーンな画像シーケンスとそれぞれの動きを潜伏要因として設定する。 提案手法は,空間トランスフォーマネットワークモジュールを用いたanblur-decoder構造に基づいている。
  論文  参考訳（メタデータ） (2021-04-19T08:32:57Z)
• Single Image Non-uniform Blur Kernel Estimation via Adaptive Basis Decomposition [1.854931308524932]
  本研究では,高密度な非一様運動ボケ推定のための一般非パラメトリックモデルを提案する。 提案手法は,既存の不均一な動きのぼかし推定の限界を克服することを示す。
  論文  参考訳（メタデータ） (2021-02-01T18:02:31Z)
• Self-Supervised Linear Motion Deblurring [112.75317069916579]
  深層畳み込みニューラルネットワークは、画像の劣化の最先端技術である。 本稿では,自己監督型動作遅延に対する識別可能なreblurモデルを提案する。 我々の実験は、自己監督された単一画像の劣化が本当に実現可能であることを実証した。
  論文  参考訳（メタデータ） (2020-02-10T20:15:21Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。