图像去模糊的定义：给定一张因运动或失焦而模糊（由相机摇晃、目标快速移动或对焦不准而造成）的图像，去模糊的目标是恢复具有必要边缘结构和细节的清晰的latent image(后面称为“潜像”) 。
在本论文中，作者探索了一种更有效的多尺度图像去模糊网络——SRN。SRN将从输入图像中取不同尺度下采样的模糊图像序列作为输入并产生一系列相应的清晰图像，全分辨率下最清晰的图像为最终的输出图像。SRN引入了两个创新： Scale-recurrent Structure和Encoder-decoder ResBlock Network。
作者在如上问题的基础上提出了Scale-recurrent Structure，主要的两点idea为：共享权重和RNN循环模块。
下面，我们来详细看一下这一结构是怎样工作的：
这个公式非常重要，并且这两张图要一起看
我们再对上面红色的原文进行翻译：作者采用了在”coarse-to-fine”方案中跨多个尺度的循环结构。在i尺度下生成尺度i的清晰潜像，当i=1时，生成的清晰潜像就是最终的结果。当i≠1时，生成的潜像会作为下一尺度的输入（当然还要经过一定的处理），和下一尺度的模糊图像一起输入到SRN网络中，重复上述的过程，直达i=1为止。
如下图所示，再搭配下面图其实就很清晰了：
论文中所用损失函数为：
L
=
∑
i
=
1
n
κ
i
N
i
∥
I
i
−
I
∗
i
∥
2
2
\mathcal{L}=\sum_{i=1}^n \frac{\kappa_i}{N_i}\left\|I^i-I_*^i\right\|_2^2
L=i=1∑nNiκi∥
∥Ii−I∗i∥
∥22
ss:单尺度模型，在原始分辨率下只取一幅单尺度图像作为输入，并将循环模块替换为一个卷积层，以保证相同数量的卷积层。
基准模型sc:该模型指的是在Seungjun Nah的那篇去模糊论文里的尺度级联结构，它使用了独立网络的3个stage（看过我那篇博客后，这里的3个stage是很好理解的）。单个stage与ss模型相同，因此该模型的可训练参数是作者所提出方法（原文）的3倍（这里是我不理解的地方，为什么是作者所提出方法的3倍呢？不应该是ss模型的3倍吗？作者提出的方法不也是3个阶段的多尺度网络吗？）然后，看给出的数据表，可以看出这里应该说的就是sc模型的参数是ss模型的3倍(2.73*3=8.19) 。
w/o R模型：在sc模型上加了共享权重，因此可以看到该模型的参数和ss模型的参数相同。
RNN模型：采用普通RNN，而不是ConvLSTM。
SR-EDRBx模型：是指作者提出的SRN网络，其中x表示在编码器-解码器中，ResBlock模块的数量为x个。
在测试数据集下，不同模型的性能如下：
注释：
多尺度策略是有效的：对比上图的数据可知，SS模型的性能最差(这里不包括SR-Flat模型，因为结构不同)。并且作者给了不同尺度数量的效果对比图。如下所示，尽管多尺度是有效的，但是3尺度相比于2尺度效果已经不那么明显了。
共享参数是有效的。SC模型的性能比w/o R、RNN和SR-EDRB3模型的性能要差。作者给出了可能的原因：更多的参数导致更大的模型，模型需要更长的训练时间和更大的训练数据集。在作者使用固定数据集和训练周期的约束下，模型SC可能还没有得到最佳的训练。
RNN是有效的，其中使用ConvLSTM效果最好。对比w/o R、RNN和SR-EDRB3模型可以看出，使用RNN比不使用RNN有更好的效果，而使用了ConvLSTM的SR-EDRB3模型性能最优。
作者提出的模型处理的是相机抖动和物体运动造成的模糊，这种模糊一般是非均匀模糊，因此，作者所比较的对象都是处理这类模糊的模型，并且在两个数据集上进行了比较。从下表中可以观察到，作者提出的模型无论实在PSNR还是SSIM亦或者是时间上都取得了最好的性能。
定性展示结果如下图：
