近日，我院桑农教授研究团队的最新成果《Blind Image Deblurring via Deep Discriminative Priors》被国际顶级学术期刊《International Journal of Computer Vision》（IJCV）接收。IJCV是计算机视觉领域顶级的学术期刊，其影响因子为11.541。

该论文提出一种基于判别式先验的模糊图像盲复原算法，克服了现有复原算法中先验约束泛化性能差的问题。该研究通过卷积神经网络来训练一个二分类器，这个网络以图像作为输入，并输出一个标量数值，其代表了输入图像是模糊图像的概率。算法将这个网络作为一种先验约束嵌入到由粗到精的 MAP（最大后验）框架中，对潜在的清晰图像进行约束，用于估计运动模糊核。通过在现有的运动模糊图像数据集测试，该论文提出的算法相较于现有的图像复原算法可以得到更清晰的边界，更精细的细节，以及更少的伪影。同时，该论文通过更换训练数据，将提出的这个判别式先验扩展到图像去雾算法中，同样取得了较好的复原效果。

在此之前，该研究成果《Learning a Discriminative Prior for Blind Image Deblurring》曾被计算机视觉、模式识别国际顶级会议IEEE Conference on Computer Vision and Pattern Recognition （CVPR2018）接收为墙板展示。该工作是我院博士生李乐仁瀚及其导师桑农教授、高常鑫副教授、南京理工大学潘金山教授联合美国加州大学默塞德分校（University of California at Merced）Wei-Sheng Lai博士、Ming-Hsuan Yang教授完成。