[Submitted on 13 Nov 2025]

View PDF HTML (experimental)

Abstract:影像去模糊在電腦視覺中扮演關鍵角色，旨在從因運動或相機晃動造成的模糊影像中恢復清晰畫面。雖然 CNN 與 Vision Transformer（ViT）等深度學習方法已推動此領域發展，但它們在處理複雜或高解析度模糊，以及運算需求方面仍常遭遇困難。我們提出一個全新的雙域架構，將 Vision Transformer 與頻率域的 FFT-ReLU 模組整合，明確橋接空間注意力建模與頻率稀疏性。在此架構中，ViT 主幹捕捉局部與全局依賴關係，而 FFT-ReLU 組件則在頻率域強制稀疏性，以抑制與模糊相關的假影並保留細節。對基準資料集的大量實驗顯示，此架構在 PSNR、SSIM 以及感知品質方面均優於現有最先進模型。定量指標、質性比較以及人類偏好評估均證實其效能，確立了一個適用於真實世界影像修復的實用且可泛化典範。

Submission history

From: Syed Mumtahin Mahmud [view email]
[v1] Thu, 13 Nov 2025 21:19:57 UTC (2,004 KB)