Generatieve Herfocussering: Flexibele Onscherptecontrole vanuit een Enkele Afbeelding
Generative Refocusing: Flexible Defocus Control from a Single Image
December 18, 2025
Auteurs: Chun-Wei Tuan Mu, Jia-Bin Huang, Yu-Lun Liu
cs.AI
Samenvatting
Dieptescherptebeheer is essentieel in de fotografie, maar het verkrijgen van de perfecte scherpte vereist vaak meerdere pogingen of gespecialiseerde apparatuur. Refocussering vanuit één enkele afbeelding blijft een uitdaging. Het omvat het herstellen van scherpe inhoud en het creëren van realistische bokeh. Huidige methoden hebben aanzienlijke tekortkomingen: ze vereisen volledig scherpe invoerbeelden, zijn afhankelijk van synthetische data uit simulatoren en bieden beperkte controle over het diafragma. Wij introduceren Generatieve Refocussering, een proces in twee stappen dat DeblurNet gebruikt om volledig scherpe beelden te herstellen vanuit diverse invoeren en BokehNet voor het creëren van controleerbare bokeh. Onze belangrijkste innovatie is semi-gesuperviseerde training. Deze methode combineert synthetische gepaarde data met ongepaarde echte bokeh-afbeeldingen, waarbij EXIF-metadata wordt gebruikt om echte optische karakteristieken vast te leggen die verder gaan dan wat simulatoren kunnen bieden. Onze experimenten tonen aan dat we topprestaties behalen op het gebied van defocus-deblurring, bokeh-synthese en refocusseringsbenchmarks. Bovendien stelt onze Generatieve Refocussering tekstgestuurde aanpassingen en aangepaste diafragmavormen mogelijk.
English
Depth-of-field control is essential in photography, but getting the perfect focus often takes several tries or special equipment. Single-image refocusing is still difficult. It involves recovering sharp content and creating realistic bokeh. Current methods have significant drawbacks. They need all-in-focus inputs, depend on synthetic data from simulators, and have limited control over aperture. We introduce Generative Refocusing, a two-step process that uses DeblurNet to recover all-in-focus images from various inputs and BokehNet for creating controllable bokeh. Our main innovation is semi-supervised training. This method combines synthetic paired data with unpaired real bokeh images, using EXIF metadata to capture real optical characteristics beyond what simulators can provide. Our experiments show we achieve top performance in defocus deblurring, bokeh synthesis, and refocusing benchmarks. Additionally, our Generative Refocusing allows text-guided adjustments and custom aperture shapes.