近日，谷歌的两名研究员发表论文《Learning to synthesize motion blur》，提出了一种快速有效的方法来合成训练运动去模糊算法所需的训练数据，并且定量地证明了该技术能够从合成的训练数据推广到真实的运动模糊图像。研究人员设计的神经网络架构包括一个新的「线性预测」 层，它会教一个系统从连续拍摄的两张图像退回到跨越这两张输入图像捕获时间的运动模糊图像。他们的模型需要大量的训练数据，因此研究人员设计并执行了一种新策略，该策略使用帧插值技术生成运动模糊图像及其各自输入的大型合成数据集。研究人员还拍摄了一组由慢动作视频合成的高质量的真实运动模糊图像，然后用这些图像来评估他们的模型与基线技术。他们的模型取得了非常好的结果，在准确性和速度上都优于现有的方法。