返回
Deep Lidar-Guided Image Deblurring
DOI:10.3390/s25216786.png)
摘要
En 中文
便携式激光雷达仪器的兴起为深度辅助图像处理带来了新的机遇。本文研究了智能手机中常见的移动激光雷达传感器提供的深度信息是否有助于图像去模糊任务,以及如何将其整合到一种通用方法中,该方法可将任何先进的神经去模糊模型转变为具有深度感知能力的模型。为此,我们开发了一种持续学习策略,将适配器集成到U型编码器-解码器模型中,该模型能够高效地预处理深度信息,以利用深度特征调节图像特征。我们在由智能手机激光雷达捕捉的真实世界深度数据的数据集上进行了实验。结果表明,我们的方法显著提升了多个先进去模糊基准的性能。我们的方法在参数数量适度增加的情况下,实现了高达2.1 dB的PSNR增益,这表明利用真实深度信息可以显著提升基于编码器-解码器架构的去模糊算法的有效性。
期刊
IF:
3.5
论文数:
7.2W
被引数:
20.9W
机构
暂无机构信息
引用论文
Orientation Cues-Aware Facial Relationship Representation for Head Pose Estimation via Transformer通过变压器进行头部姿势估计的方向线索感知面部关系表示
MMATrans: Muscle Movement Aware Representation Learning for Facial Expression Recognition via TransformersMMATrans: 通过变形金刚进行面部表情识别的肌肉运动感知表示学习
DSR-Net: Distinct selective rollback queries for road cracks detection with detection transformerDSR-Net:用于道路裂缝检测的检测变换器中具有不同选择性回滚查询
A Motion Deblur Method Based on Multi-Scale High Frequency Residual Image Learning基于多尺度高频残差图像学习的运动去模糊方法
IEEE ACCESS
IF3.6
LDCNet: Limb Direction Cues-aware Network for Flexible Human Pose Estimation in Industrial Behavioral Biometrics SystemsLDCNet: 用于工业行为生物识别系统中灵活的人体姿态估计的肢体方向线索感知网络

