Abstract

我们提出了一种简单而有效的多尺度残差低通滤波网络（MRLPFNet），它联合探索图像细节和主结构，用于图像去模糊。

我们的工作是由一个观察所激发的，即模糊图像和清晰图像之间的差异不仅包含高频内容，还包括由于模糊影响而产生的低频信息，而使用标准的残差学习对于模拟模糊所扭曲的主结构则效果不佳。

考虑到低频内容通常对应于空间变化的主要全局结构，我们首先基于自注意力机制提出了一种可学习的低通滤波器，以适应性地探索全局上下文，从而更好地模拟低频信息。