Adversarial Spatio-Temporal Learning for Video Deblurring

1. 概述 作者将GAN(原始的)应用到视频去雾中,由于2D卷积只能提取输入的位置信息,针对视频连续帧具有时间信息的特点作者采用了3D卷积(部分卷积层中),取得了SOTA的效果。 2. 模型结构 生成模型如图1所示, 图1 生成模型。 表1 生成模型。它是由两个卷积层(L1和L2), 14个残差块,两个卷积层(L31和L32)没有跳转连接,和三个额外的卷积层数(L33、L34和L35)组成。 作者
相关文章
相关标签/搜索