Abstract DeblurGAN-v2는 motion deblurring을 위한 새로운 end-to-end GAN이다. Generator의 핵심 block으로 Feature Pyramid Network를 도입. 다양항 backbone과 유연하게 작동하여 성능과 효율성 사이의 균형을 찾을 수 있다. 1. Introduction Blur는 일반적으로 알 수 없는 blur kernel과 noise가 있는데 이를 역산하기는 까다롭다. 최근 딥러닝 기반으로 image restoration 분야가 크게 발전, 특히 GAN은 기존 feed-forward encoder 방식 보다 더 선명하고 그럴듯한 texture를 생성한다. 대표적으로 DeblurGAN이 있다. 본 논문은 DeblurGAN을 개선하고 높은 유연성을 ..

Abstract Motion Deblurring을 위한 end-to-end 학습 방법인 DeblurGAN을 제시. conditinal GAN과 content loss를 기반으로 학습. Deblurring model의 품질은 Object Detection 방식으로 평가. DeepDeblur보다 5배 빠르다고 소개. 1. Introduction 최근 GAN을 이용해서 image super-resolution 및 inpainting 관련 분야에서 상당한 진전이 있음. 이에 영감을 받아 Deblurring을 image-to-image 변환의 특별한 case로 취급. Gradient Penalty와 Perceptual Loss를 가진 Wasserstein GAN을 사용하는데 이는 기존 MSE or MAE를 사용하..