【本网讯】近日，我校计算机学院符颖老师团队以成都信息工程大学为第一单位的论文被国际顶级期刊IEEE Transactions on Multimedia（简称TMM）录用，题目为“VB-KGN: Variational Bayesian Kernel Generation Networks for Motion Image Deblurring”. IEEE TMM是计算机视觉领域的国际顶级期刊，中科院SCI一区TOP期刊，中国计算机学会（CCF）推荐B类期刊，清华大学推荐A类期刊，2024年影响因子8.4.该项研究依托“四川省图形图像与空间信息2011协同创新中心”，由成都信息工程大学、上海交通大学和美国纽约州立大学等国内外高：献魍瓿。
内容介绍：
针对现有的结合模型先验的深度学习运动：枷窀丛椒ù蠖嘁览凳侄杓频奈锢砟Ｐ，缺少能真正表述运动：匦缘奈锢硐妊，导致去：Ч钜约澳Ｐ头夯阅懿蛔愕奈侍，提出一种基于变分贝叶斯框架的：枷裆赡Ｐ停╒ariational Bayesian Kernel Generation Network, VB-KGN）。创新性地在网络结构中引入变分贝叶斯框架，利用潜变量拟合：植佳盗返玫缴墒侥Ｐ，有效地生成多样化和非重复的：。并通过编码器和解码器结构解构整个生成过程，从编码器取得代表图像特征的：俗，控制变分推断得到具有物理特征的真实：植，再通过局部卷积块重建估计的：枷。最后通过优化分布算法获得优质的去：枷。本文在公开数据集上与多种结合模型先验的深度学习方法以及端到端的方法进行对比，实验结果表明所提方法在PSNR与SSIM指标相较于对比网络显著提高，同时通过跨数据集的泛化性能实验证明了模型的迁移泛化性能。
