本文共 793 字，大约阅读时间需要 2 分钟。

单幅图像去除局部运动模糊一直是研究热点。随着深度学习的兴起，基于端到端学习式的图像去模糊逐渐成为主流。然而，局部运动模糊问题相较于全局运动模糊却较为被忽视。该研究从实际工业应用需求出发，聚焦于解决单图像去除局部运动模糊的多重挑战：

为解决上述问题，浙江大学成像工程实验室创建了第一个真实世界局部运动模糊数据集ReLoBlur，并提出了局部模糊感知门控网络LBAG及一系列针对局部运动模糊的解决方案（如LBFMG、BAPC等），填补了深度学习在局部运动模糊问题上的空缺。这些创新性解决方案构建了解决局部运动模糊和全局运动模糊的桥梁，为实际工业应用提供了有效的解决方案。

论文的主要贡献包括：

• 创建了ReLoBlur数据集，包含2010对真实图像对；
• 提出了LBAG网络，采用多尺度神经网络架构，通过LBFMG算法生成的局部模糊掩码进行监督学习；
• 提出了一系列针对局部运动模糊的解决方案，包括LBFMG、BAPC等；
• 通过量化评价和视觉比较，证明了LBAG网络在去除局部运动模糊方面的优越性。

该研究的核心创新点在于：

实验结果表明，LBAG网络在去除局部运动模糊方面的效果显著优于现有方法。特别是在模糊区域仅占图像少数区域时，LBAG网络能够更有效地去除模糊，且计算效率较高。

该研究为深度学习在图像局部模糊处理方面提供了新的思路和技术支持，填补了现有研究的空白，为实际工业应用提供了可靠的解决方案。