論文の概要: UniDeblur: Unified Motion Deblurring via Fourier Convolution Learning

• arxiv url: http://arxiv.org/abs/2610.12941v2
• Date: Tue, 13 Oct 2026 13:53:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-14 23:39:49.888905
• Title: UniDeblur: Unified Motion Deblurring via Fourier Convolution Learning
• Title（参考訳）: UniDeblur: フーリエ畳み込み学習による統一モーションデブロリング
• Abstract要約: 既存のデブロワーリングネットワークは通常ピクセルレベルのマッピングに依存し、ぼかしの畳み込みの性質を見落としている。 本稿では,Fourier Convolution Learningを通じて,統合された動きのデブロアリングフレームワークを提案する。 我々のモデルは、様々なソースやシーン間での動作のぼかしを効果的に処理し、ドメイン内ベンチマークとOODベンチマークの両方で競合する性能を達成する。
• 参考スコア（独自算出の注目度）: 20.65513792417448
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Image deblurring is a fundamental task in computer vision, yet existing methods mainly specialize in isolated scenarios. Consequently, the deblurring performance of these models drops significantly across scenarios with different cameras and image contents. This motivates the development of a unified motion deblurring framework that can handle diverse blur patterns. To this end, we construct a multi-source dataset and develop a data pruning and quality control pipeline. Then, to restore blur images with various motion blur kernels across different scenarios, we propose a unified motion deblurring framework via Fourier Convolution Learning. Existing deblurring networks usually rely on pixel-level mappings and overlook the convolutional nature of blur. Thus, the network mostly fits the image content itself rather than learning the convolution process, making it difficult to handle multi-source blur images. Instead of relying on spatial mapping, we perform blur-adaptive global filter learning in Fourier space, which avoids the limited spatial support of kernel estimation. Extensive experiments demonstrate that our unified model effectively handles motion blurs across diverse sources and scenes, achieving competitive performance across both in-domain and OOD benchmarks. Code has been released at github.com/DeepMed-Lab-ECNU/Single-Image-Deblur.
• Abstract（参考訳）: 画像の劣化はコンピュータビジョンの基本的な課題であるが、既存の手法は主に孤立したシナリオに特化している。 その結果、これらのモデルの劣化性能は、異なるカメラと画像の内容を持つシナリオ間で著しく低下する。 これにより、多様なぼやけたパターンを処理できる統合されたモーションデブロアリングフレームワークの開発がモチベーションとなる。 この目的のために、マルチソースデータセットを構築し、データプルーニングと品質管理パイプラインを開発する。 そこで本研究では,様々なシナリオにまたがるさまざまな動作ぼかしカーネルによるぼかし画像の復元を目的として,フーリエ畳み込み学習による統合動作デブロアリングフレームワークを提案する。 既存のデブロワーリングネットワークは通常ピクセルレベルのマッピングに依存し、ぼかしの畳み込みの性質を見落としている。 したがって、ネットワークは畳み込み過程を学習するのではなく、画像の内容そのものに適合し、複数ソースのぼやけた画像の処理が困難になる。 空間マッピングに頼らず、フーリエ空間におけるボケ適応グローバルフィルタ学習を行い、カーネル推定の空間的サポートの制限を回避する。 大規模な実験により、我々の統一モデルは、様々なソースやシーンにわたる動きのぼかしを効果的に処理し、ドメイン内ベンチマークとOODベンチマークの両方で競合性能を達成することが実証された。 コードはgithub.com/DeepMed-Lab-ECNU/Single-Image-Deblurでリリースされた。

関連論文リスト

• Unblur-SLAM: Dense Neural SLAM for Blurry Inputs [68.94602568657164]
  Un-SLAMは、ぼやけた画像入力から鋭い3D再構成を行うための新しいパイプラインである。 動作のぼやけとデフォーカスのぼやけの両方が存在する場合の最先端性能を実証する。 いくつかの実世界のデータセットの実験では、ポーズ推定とシャープな再構成結果の両方において一貫した改善が示されている。
  論文  参考訳（メタデータ） (2026-03-26T14:29:47Z)
• DeepRFTv2: Kernel-level Learning for Image Deblurring [21.144472443267]
  ネットワークがデブロアを学ぼうとするなら、その曖昧なプロセスを理解するべきであることはよく知られている。 本稿では,フリエカーネル推定器(FKE)を提案する。 提案手法は,最先端の動作不良を解消し,他のカーネル関連問題に対処する可能性を示す。
  論文  参考訳（メタデータ） (2025-11-26T07:30:41Z)
• Blur2seq: Blind Deblurring and Camera Trajectory Estimation from a Single Camera Motion-blurred Image [2.842028685390758]
  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。
  論文  参考訳（メタデータ） (2025-10-23T13:26:07Z)
• Learning Deblurring Texture Prior from Unpaired Data with Diffusion Model [92.61216319417208]
  画像の劣化に対する新しい拡散モデル(DM)に基づくフレームワークを提案する。 我々の研究は、ぼやけた画像のテクスチャを回復するのに役立つ事前知識を生成するために、DMを実行する。 生成したテクスチャをフル活用するために,テクスチャ転送変換層(TTformer)を提案する。
  論文  参考訳（メタデータ） (2025-07-18T01:50:31Z)
• One Diffusion to Generate Them All [54.82732533013014]
  OneDiffusionは双方向画像合成と理解をサポートする汎用的で大規模な拡散モデルである。 テキスト、深さ、ポーズ、レイアウト、セマンティックマップなどの入力から条件生成を可能にする。 OneDiffusionは、シーケンシャルな画像入力を使用して、マルチビュー生成、カメラポーズ推定、即時パーソナライズを可能にする。
  論文  参考訳（メタデータ） (2024-11-25T12:11:05Z)
• MC-Blur: A Comprehensive Benchmark for Image Deblurring [127.6301230023318]
  ほとんどの実世界の画像では、ブラーは動きやデフォーカスなど様々な要因によって引き起こされる。 我々は,MC-Blurと呼ばれる大規模マルチライク画像デブロアリングデータセットを新たに構築する。 MC-Blurデータセットに基づいて,異なるシナリオにおけるSOTA法の比較を行う。
  論文  参考訳（メタデータ） (2021-12-01T02:10:42Z)
• Blind Non-Uniform Motion Deblurring using Atrous Spatial Pyramid Deformable Convolution and Deblurring-Reblurring Consistency [5.994412766684843]
  複数のAtrous Space Pyramid Deformable Convolutionモジュールからなる新しいアーキテクチャを提案する。 複数のASPDCモジュールは、同じ層内で異なるディレーションレートで画素固有の動きを暗黙的に学習し、異なる大きさの動きを処理する。 実験の結果,提案手法はベンチマークデータセット上での最先端手法よりも優れていた。
  論文  参考訳（メタデータ） (2021-06-27T23:14:52Z)
• Blur-Attention: A boosting mechanism for non-uniform blurred image restoration [27.075713246257596]
  非一様ぼかし画像の特徴を動的に捉えるためのぼかしアテンションモジュールを提案する。 条件生成の逆方向のフレームワークにぼやけたアテンションネットワークを導入することにより、エンド・ツー・エンドのブラインド・モーション・デブロアリング法を提案する。 実験結果から,PSNR,SSIM,主観的視覚的品質の両面において,本手法の劣化能力は優れた客観的性能を示した。
  論文  参考訳（メタデータ） (2020-08-19T16:07:06Z)

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。