DRBNet
DRBNet
Learning to Deblur using Light Field Generated and Real Defocus Images
项目基本采取U-net架构，核心部分受到动态滤波（dynamic filtering）的启发，设计Dynamic Residual Block即DRB，目的是为了更好的处理空间上变化的散焦模糊。
模型中共有四个DRB，每块DRB接受两张图像，一张为卷积过程中的feature map，文中称之为 d，另一张为降采样的图像，是从上一个DRB中获得进行降采样的，文中称之为 x，特殊的，进入第一个DRB的 x，是由原始图像直接降采样得到的。
传入的 x 首先经过三次卷积，然后与feature map进行拼接，接着分向两条路，一条用于估计 dynamic kernel volumn K，另一条用于估计 residual r，接着将估计的 K 与输入的 x 进行卷积获得动态残差，下图的右下灰色部分是动态滤波。最终DRB的输出结果为 x 加上动态残差加上 r
DRBNet
https://dreamerland.cn/2023/07/26/深度学习/DRBNet/