@techreport{oai:ipsj.ixsq.nii.ac.jp:00222286,
 author = {酒井, 優輔 and 吉田, 明広 and 佐々木, 雄一},
 issue = {31},
 month = {Nov},
 note = {DeblurGAN-v2 などの単一画像を入力としたモーションブラー除去の多くの手法では，学習データに同じタイミングで同じ角度から撮影されたブレ画像とブレの無い画像 (シャープ画像) のペアを必要とする．既存のモーションブラー除去手法の 1 つである DeblurGAN-v2 は Generative Adversarial Network を用いており，特に Discriminator の学習の際にブレ画像を Generator で生成した画像 (ブレ除去画像) とシャープ画像に対して Perceptual loss 及び Pixel-wise loss を用いているため，ブレ画像とシャープ画像のペアが必要であった．この制約は学習データ収集の際に多大なコストが必要である．本研究では，学習データにブレ画像とシャープ画像を必要としない手法を提案する．DeblurGAN-v2 の Generator の学習の損失関数に対し，Perceptual loss と Pixel-wise loss の項を除いた上で，ブレ画像と Generator の出力であるブレ除去画像の間の L1 loss の項を追加して学習を行う．GoPro，DVD，NFS データセットを用いて，数値実験を通して L1 loss の項の係数を変えた際の影響について議論する．},
 title = {Unpaired DeblurGAN: 別々のシーンのブレ画像・シャープ画像を用いたDeblurGAN-v2ベースの単一画像モーションブレ除去手法},
 year = {2022}
}