1. 简介

文章提出了一种基于解缠表示的无监督域特定图像去模糊方法,通过将模糊图像中的内容和模糊特征解开,以将模糊信息准确地编码到去模糊框架中。

2. 方法

2.1网络结构:

[论文笔记]Unsupervised Domain-Specific Deblurring via Disentangled Representations(CVPR2019)

2.2 损失函数

1)对模糊编码的隐空间进行约束,参考VAE, p(z)∼N(0,1),KL 散度
[论文笔记]Unsupervised Domain-Specific Deblurring via Disentangled Representations(CVPR2019)
[论文笔记]Unsupervised Domain-Specific Deblurring via Disentangled Representations(CVPR2019)

2)GAN的对抗损失,两个Generator有各自对应的损失函数,以GsG_s为例

[论文笔记]Unsupervised Domain-Specific Deblurring via Disentangled Representations(CVPR2019)
3)循环一致损失,参考CycleGAN
[论文笔记]Unsupervised Domain-Specific Deblurring via Disentangled Representations(CVPR2019)
4)感知损失,因为没有GT,所以只约束output与input的语义特征[论文笔记]Unsupervised Domain-Specific Deblurring via Disentangled Representations(CVPR2019)

3. 实验

实验数据:CelebA 数据集,BMVC 文本数据集和 CFP 数据集。

[论文笔记]Unsupervised Domain-Specific Deblurring via Disentangled Representations(CVPR2019)

[论文笔记]Unsupervised Domain-Specific Deblurring via Disentangled Representations(CVPR2019)

参考:CVPR 2019 | 无监督领域特定单图像去模糊

相关文章:

  • 2021-08-23
  • 2021-08-14
  • 2021-09-26
  • 2021-05-19
  • 2022-12-23
  • 2022-12-23
  • 2022-01-07
  • 2021-11-24
猜你喜欢
  • 2021-05-10
  • 2021-05-31
  • 2021-08-30
  • 2021-08-20
  • 2021-06-29
  • 2021-07-20
  • 2021-07-13
相关资源
相似解决方案