AdaRevD: Adaptive Patch Exiting Reversible Decoder Pushes the Limit of Image Deblurring

尽管近年来图像去模糊技术取得了进展，但有限的解码能力制约了最先进方法的上限。本文提出了一项开创性工作，即自适应补丁退出可逆解码器（AdaRevD），以探索它们不足的解码能力。通过继承经过良好训练的编码器的权重，我们重构了一个可逆解码器，将单解码器训练扩展到多解码器训练，同时保持GPU内存友好。同时，我们展示了我们的可逆结构逐渐将高级别退化程度和低级别模糊模式（模糊图像及其锐利对应物的残差）从紧凑的退化表示中分离出来。此外，由于空间变异的运动模糊核，不同的模糊补丁具有不同的去模糊难度。我们进一步引入了一个分类器来学习图像补丁的退化程度，使它们能够在不同的子解码器中退出以加速。实验表明，我们的AdaRevD推动了图像去模糊的极限，例如在GoPro数据集上实现了34.60 dB的峰值信噪比。

本文旨在解决图像去模糊中解码能力不足的问题。

通过继承经过训练的编码器的权重，重新设计可逆解码器，将单解码器训练扩展到多解码器训练，并逐步将高级退化程度和低级模糊模式从紧凑的退化表示中分离出来。同时，引入分类器来学习图像补丁的退化程度，使其能够在不同的子解码器中退出以加速。

AdaRevD解决了图像去模糊中解码能力不足的问题，并在GoPro数据集上实现了34.60 dB的PSNR。文章提出的解决方案相比之前的研究具有新意，并且能够进行多解码器训练，同时保持GPU内存友好。

最近的相关研究包括：《Deep Image Prior》、《Blur More and Better: Multi-Source and Multi-Scale Blind Motion Deblurring》等。