RSBlur

训练基于学习的去模糊方法需要大量模糊和清晰的图像对。不幸的是，现有的合成数据集不够现实，并且在其上训练的去模糊模型无法有效地处理真实的模糊图像。尽管最近提出了真实数据集，但它们提供了有限的场景和相机设置的多样性，并且为不同的设置捕获真实数据集仍然具有挑战性。本文介绍了RSBlur，这是一种具有真实模糊图像和相应的清晰图像序列的新颖数据集，可以详细分析真实模糊和合成模糊之间的差异。通过RSBlur数据集，我们分析了引入真实和合成模糊图像之间差异的各种因素，并提出了一种新颖的模糊合成管道，以合成更逼真的模糊。我们还表明，模糊合成中不同因素的影响以及我们的合成方法可以改善真实模糊图像的去模糊性能。