#图像去模糊

NAFNet是一种无需非线性激活函数的图像修复网络，通过简单的基线超过现有SOTA方法并显著降低计算成本。在GoPro数据集上，该网络的图像去模糊性能达到33.69 dB PSNR，在SIDD数据集上的图像去噪性能为40.30 dB PSNR，均显著超越前代SOTA性能。NAFNet适用于图像去噪、去模糊和立体图像超分辨率等任务。

BAD-Gaussians是一种创新的3D场景重建方法，结合束调整和高斯散射技术，有效处理运动模糊图像。该方法不仅能实现高质量的图像去模糊，还可合成新视角场景。基于nerfstudio框架实现，BAD-Gaussians支持多种数据集和训练模式，为计算机视觉和图形学研究提供了有力工具。

这个项目开发了一种新颖的图像去模糊技术，通过编码模糊核空间来处理各种模糊类型。该方法采用交替优化算法，可以处理未知的模糊情况，并且易于集成到深度学习模型中。这一技术不仅适用于图像去模糊，还可用于数据增强和模糊生成等相关任务。

该项目展示了如何利用ControlNet技术实现图像的去模糊、变体生成和超分辨率处理。通过整合多种图像处理器和pipelines，支持多种比率和倍数的放大，简化了操作过程，并提高了图像质量。项目代码提供了应用高斯模糊、引导滤波及多维采样的示例，可以通过详细提示生成更高质量和多样化的图像，提高细节再现能力。