#380
summarized by : Teppei Kurita
Deblurring by Realistic Blurring

どんな論文か?

今まで機械学習で画像のデブラー(ボケ・ブレ除去)のためのボケ(ブレ)画像の真値生成は時間方向に離散サンプリングして平均して得ていたが、それは実世界のボケモデルを正確に反映していない。そこでよりリアルなボケ画像を生成するためにSinGANライクなモデルを提案。
placeholder

新規性

真値のブラーペア画像なしで、シャープな画像からブラー画像としてもっともらしい画像を推定するネットワークの提案が新規性。ブラー画像を生成するモデルを学習すると同時にデブラーを行うモデルも学習させる。更に多様なボケ画像を含んだデータセットも新たに提供。

結果

既存データセットおよび独自データセットで定量評価値(PSNR/SSIM共に)で既存手法を凌駕。

その他(なぜ通ったか?等)

従来のボケ画像生成のところの問題点の指摘は(デジタルの限界という点で)もっともであり、説得力がある。ペアデータなしでボケ画像を生成させるアーキテクチャを安定させて学習させるのが難しそうなので、よくやり切ったな、すごいな、という印象。データセットも独自に生成して提供予定であり万全。