カメラの揺れによって生じる動きぼけは、画像復元において依然として大きな課題です。本記事では、単一のぼやけた画像から潜在的な鮮明画像とカメラの動きの軌跡を同時に推定する深層学習フレームワーク「Blur2seq」を提案します。この方法は、現代のネットワークに適した微分可能なぼけ生成モジュールを使用して効率的に実装された投影動きぼけモデル（PMBM）を活用しています。神経ネットワークは完全な3D回転軌跡を予測し、これはエンドツーエンドで訓練されたモデルベースの復元ネットワークを導きます。このモジュラーアーキテクチャは、ぼけを生み出したカメラの動きを明らかにすることで解釈可能性を提供します。また、この軌跡によって、観測されたぼやけた画像を生成した鮮明画像の連続を再構築できます。さらなる結果の改善のために、推論後に再ぼけ損失を最適化し、ぼやけた入力と復元された出力の一貫性を向上させます。実験結果では、この方法が合成データセットと実データセットの両方において最先端の性能を達成していることが示されました。