ECCV 2020 论文大盘点-去雾去雨去模糊篇_oid: outlier identifying and discarding in blind i

去雾、去雨、去模糊是三个不同的方向，之前的盘点：CVPR 2020 论文大盘点-去雨去雾去模糊篇 ，引起了不少朋友的兴趣。

本文盘点 ECCV 2020中去雾（Single Image Dehazing）、去雨（Deraining）、去模糊（Deblurring）相关论文，总计12篇，2 篇去雾、2 篇去雨、8 篇去模糊。6篇开源或将开源。

下载包含这些论文的 ECCV 2020 所有论文：

ECCV 2020 论文合集下载，分类盘点进行中

   图像去雾（Image Dehazing）

HardGAN: A Haze-Aware Representation Distillation GAN for Single Image Dehazing

作者 | Qili Deng, Ziling Huang, Chung-Chi Tsai, Chia-Wen Lin

单位 | 台湾清华大学；字节跳动；高通公司

论文 | https://www.ecva.net/papers/eccv_2020/

papers_ECCV/papers/123510715.pdf

代码 | https://github.com/huangzilingcv/HardGAN（未）

备注 | ECCV 2020

所提出方法除了可以处理具有均匀雾度的图像，还可以很好地去除图像中密集的非均匀雾度。

Physics-based Feature Dehazing Networks

作者 | Jiangxin Dong, Jinshan Pan

单位 | 马普所；南京理工大学

论文 | https://www.ecva.net/papers/eccv_2020/

papers_ECCV/papers/123750188.pdf

备注 | ECCV 2020

基于物理特征的去雾模型。

   去雨（deraining）

Rethinking Image Deraining via Rain Streaks and Vapors

作者 | Yinglong Wang, Yibing Song, Chao Ma, Bing Zeng

单位 | 电子科技大学；腾讯；上海交通大学

论文 | https://arxiv.org/abs/2008.00823

代码 | https://github.com/yluestc/derain（未开源）

备注 | ECCV 2020

重新思考雨水条纹和水汽模型成像机理的图像去雨。

使用语义理解的立体图像去雨方法

Beyond Monocular Deraining: Stereo Image Deraining via Semantic Understanding

作者 | Kaihao Zhang, Wenhan Luo, Wenqi Ren, Jingwen Wang Fang Zhao, Lin Ma , Hongdong Li

单位 | 澳大利亚国立大学；腾讯；中科院等

论文 | https://www.ecva.net/papers/eccv_2020/

papers_ECCV/papers/123720069.pdf

备注 | ECCV 2020

   去模糊 Deblurring

图像盲去模糊

Enhanced Sparse Model for Blind Deblurring

作者 | Liang Chen, Faming Fang, Shen Lei, Fang Li, Guixu Zhang

单位 | 华东师范大学

论文 | https://www.ecva.net/papers/eccv_2020/

papers_ECCV/papers/123700630.pdf

备注 | ECCV 2020

高效时空RNN用于视频去模糊

Efficient Spatio-Temporal Recurrent Neural Network for Video Deblurring

作者 | Zhihang Zhong, Ye Gao, Yinqiang Zheng, Bo Zheng

单位 | 东京大学；Tokyo Research Center

论文 | https://www.ecva.net/papers/eccv_2020/

papers_ECCV/papers/123510188.pdf

代码 | https://github.com/zzh-tech/ESTRNN

备注 | ECCV 2020 Spotlight

Multi-Temporal Recurrent Neural Networks For Progressive Non-Uniform Single Image Deblurring With Incremental Temporal Training

作者 | Dongwon Park, Dong Un Kang, Jisoo Kim, Se Young Chun

单位 | 韩国蔚山科技大学(UNIST)

论文 | https://arxiv.org/abs/1911.07410

备注 | ECCV 2020 Spotlight

多尺度（MS）方法被广泛用于图像/视频的盲去模糊，特别对高空间比例的大型运动引起的严重模糊有效。

本文研究 MS 的替代方案：multi-temporal (MT) 方法，用于非均匀单幅图像去模糊。MT方法在GoPro数据集上以最小的参数在PSNR方面优于最先进的MS方法。

Learning Event-Driven Video Deblurring and Interpolation

作者 | Songnan Lin, Jiawei Zhang, Jinshan Pan, Zhe Jiang, Dongqing Zou, Yongtian Wang, Jing Chen, Jimmy Ren

单位 | 北京理工大学；商汤；南京理工大学

论文 | https://www.ecva.net/papers/eccv_2020/

papers_ECCV/papers/123530681.pdf

备注 | ECCV 2020

学习事件驱动的视频去模糊和插值。

Defocus Deblurring Using Dual-Pixel Data

作者 | Abdullah Abuolaim, Michael S. Brown

单位 | 约克大学；三星

论文 | https://arxiv.org/abs/2005.00305

代码 | https://github.com/Abdullah-Abuolaim/defocus-deblurring-dual-pixel

主页 | https://www.eecs.yorku.ca/~abuolaim/

eccv_2020_dp_defocus_deblurring/

备注 | ECCV 2020

使用深度学习对散焦图像去模糊，论文的关键贡献是构建了500个场景（2000幅图像）的训练数据集。其中每个场景都有：在大光圈下捕捉到的具有虚化模糊的图像， 两个相关的DP子光圈视图；以及用小光圈拍摄的相应全焦图像。

数据、代码、模型均开源。

非盲图像去模糊

End-to-end Interpretable Learning of Non-blind Image Deblurring

作者 | Thomas Eboli, Jian Sun, Jean Ponce

单位 | 巴黎文理研究大学；西安交通大学

论文 | https://arxiv.org/abs/2007.01769

代码 | https://github.com/teboli/CPCR

备注 | ECCV 2020

Real-World Blur Dataset for Learning and Benchmarking Deblurring Algorithms

作者 | Jaesung Rim, Haeyun Lee, Jucheol Won, Sunghyun Cho

单位 | DGIST；浦项科技大学

论文 | https://www.ecva.net/papers/eccv_2020/

papers_ECCV/papers/123700188.pdf

代码 | https://github.com/rimchang/RealBlur

备注 | ECCV 2020

提出一个大规模的真实世界模糊图像和 ground truth 图像的数据集，用于学习和对单一图像去模糊方法的基准测试。

图像盲去模糊

OID: Outlier Identifying and Discarding in Blind Image Deblurring

作者 | Liang Chen, Faming Fang, Jiawei Zhang, Jun Liu, Guixu Zhang

单位 | 华东师范大学；商汤；东北师范大学

论文 | https://www.ecva.net/papers/eccv_2020/

papers_ECCV/papers/123700596.pdf

备注 | ECCV 2020

提出一种新策略，异常识别与丢弃（OID），在更新隐图像和模糊核的过程中，迭代识别和丢弃异常值。与最近的技术相比，该模型不需要任何 heuristic 边缘选择步骤或复杂的噪声过滤预处理。

推荐阅读：

CVPR 2020 论文大盘点-去雨去雾去模糊篇

CVPR 2020 论文大盘点-图像增强与图像恢复篇

最后分享一下我爱计算机官方视频号的最新动态，欢迎关注~

备注：增强

图像增强与质量评价交流群

关注图像增强、去雾、去雨、图像修补、图像恢复等技术，

若已为CV君其他账号好友请直接私信。

我爱计算机视觉

微信号:aicvml

QQ群:805388940

微博知乎:@我爱计算机视觉

投稿:amos@52cv.net

网站:www.52cv.net

在看，让更多人看到