跳到正文
arXiv · 机器人与计算机视觉· Kebin Contreras, Luis Toscano-Palomino, Rafael Torres, Jorge Bacca·· 2026-10-15AI 评分21

A Gradient-Regularized Deep Learning Method for Restoring Image in Myopic Vision 提出基于 U-Net 的深度学习方案,利用二阶 Zernike 多项式模拟离焦像差并在 KITTI 数据集上训练,在 DIV2K 和 ImageNet 测试集实现 PSNR 提升 1.48 至 7.34 dB。

A Gradient-Regularized Deep Learning Method for Restoring Image in Myopic Vision

AI 导读

该方法通过结合重建误差最小化与空间差异结构保持的 l_1 正则化损失函数,有效改善近视导致的视觉模糊问题。在模拟 Z_2^0 离焦条件下,相比基线性能,PSNR 提升幅度介于 1.48 到 7.34 dB 之间且感知质量显著更低。研究仅在 KITTI 数据集训练,并在 DIV2K 和 ImageNet 上验证了跨分布泛化能力。

来源:arXiv · 机器人与计算机视觉 · arxiv.org