Gyroscope-aided motion deblurring with deep networks

Tutkimustuotos: Artikkeli kirjassa/konferenssijulkaisussavertaisarvioitu

Tutkijat

Organisaatiot

  • University of Oulu
  • Czech Technical University in Prague

Kuvaus

We propose a deblurring method that incorporates gyroscope measurements into a convolutional neural network (CNN). With the help of such measurements, it can handle extremely strong and spatially-variant motion blur. At the same time, the image data is used to overcome the limitations of gyro-based blur estimation. To train our network, we also introduce a novel way of generating realistic training data using the gyroscope. The evaluation shows a clear improvement in visual quality over the state-of-the-art while achieving real-time performance. Furthermore, the method is shown to improve the performance of existing feature detectors and descriptors against the motion blur.

Yksityiskohdat

AlkuperäiskieliEnglanti
OtsikkoProceedings of the 2019 IEEE Winter Conference on Applications of Computer Vision, WACV 2019
TilaJulkaistu - 4 maaliskuuta 2019
OKM-julkaisutyyppiA4 Artikkeli konferenssijulkaisuussa
TapahtumaIEEE Winter Conference on Applications of Computer Vision - Waikoloa Village, Yhdysvallat
Kesto: 7 tammikuuta 201911 tammikuuta 2019
Konferenssinumero: 19

Julkaisusarja

NimiIEEE Winter Conference on Applications of Computer Vision
KustantajaIEEE
ISSN (painettu)2472-6737

Conference

ConferenceIEEE Winter Conference on Applications of Computer Vision
LyhennettäWACV
MaaYhdysvallat
KaupunkiWaikoloa Village
Ajanjakso07/01/201911/01/2019

ID: 33943520