摘要
真实世界的运动模糊表现出复杂的空间变化特性，这对现有的去模糊方法构成了挑战。虽然多阶段架构提供了渐进式细化，但简单的阶段间交互往往限制了有效的信息传递。为此，我们提出了 CPINet，一种用于粗引导图像去模糊的跨阶段斑块交互网络。CPINet 采用两阶段由粗到细的框架：第一阶段使用基于不确定流先验网络 (UFPNet) 进行粗修复，随后第二阶段进行细粒度斑块级细化。第二阶段利用带有斑块级跨通道注意力门控 (PCAG) 机制的粗引导斑块编码 (CPE) 块来整合第一阶段特征。此外，基于斑块的多核双分支 (P-MKDB) 块被纳入解码器，以有效处理多样的局部模糊模式。在 GoPro、HIDE 和 RealBlur 上的实验显示出了具有竞争力的去模糊性能，而消融实验验证了所提出的跨阶段斑块交互和斑块级细化的贡献。值得注意的是，与 UFPNet 相比，CPINet 将平均 PSNR 从 36.98 dB 提高到 37.61 dB，平均 SSIM 从 0.954 提高到 0.961，两项指标均为 RealBlur-J 和 RealBlur-R 的平均值。这些改进证明了其在具有挑战性的真实世界场景中的有效性。
