图像去模糊在计算机视觉中至关重要，旨在从因运动或相机抖动造成的模糊图像中恢复清晰图像。尽管深度学习方法如卷积神经网络（CNN）和视觉变换器（ViT）在这一领域取得了进展，但它们在处理复杂或高分辨率的模糊及计算需求时常常面临挑战。
为此，我们提出了一种新的双域架构，将视觉变换器与频域FFT-ReLU模块结合，明确地桥接了空间注意力建模与频率稀疏性。在该结构中，ViT主干网络捕捉局部和全局依赖关系，而FFT-ReLU组件则在频域上强制实施稀疏性，从而抑制模糊相关的伪影并保留细节。
在基准数据集上的大量实验表明，该架构在峰值信噪比（PSNR）、结构相似性指数（SSIM）和感知质量等方面优于现有的最先进模型。定量指标、定性比较以及人类偏好评估均确认了其有效性，为现实世界的图像恢复建立了一个实用且可泛化的范式。
博主点评： 该研究通过结合空间和频域的特性，为图像去模糊提供了新思路，尤其在处理高复杂度模糊时展现了显著优势，值得关注其在实际应用中的潜力。