Один из известных алгоритмов такого рода — TextSharpener<ref name="TextSharpener">Unblurring images of text with convolutional neural networks — https://gardarandri.github.io/TextSharpener/ — Retrieved January 8, 2020</ref>. Этот алгоритм, разработанный в Университете Исландии и основанный на [[Сверточные нейронные сети|свёрточной нейронной сети]], позволяет убирать размытие текста на изображениях.
* Генератор изображений комнат === OmniSCV используется при разработке роботов, использующих алгоритмы компьютерного зрения для устранения искажений широкоугольных объективов и неидеальных условий освещённости.(https://www.mdpi.com/1424-8220/20/7/2066/htm , там же pdf'ка)===
* Генератор изображений комнат '''OmniSCV''' используется при разработке роботов, использующих алгоритмы [[Компьютерное зрение|компьютерного зрения]] для устранения искажений широкоугольных объективов и неидеальных условий освещённости.(https://www.mdpi.com/1424-8220/20/7/2066/htm , там же pdf'ка) === FlyingChairs === Датасет '''FlyingChairs ''' и его производные представляют из себя наборы изображений, на которые искусственно добавлены предметы в движении (например, стулья). Такие Эти наборы данных применяются при решении таких задач компьютерного зрения, как [[Сегментация изображений|семантическая сегментация ]] (добавить ссылку на конспект про сегментацию), [[Компьютерное зрение#Идентификация|поиск ]] и [[Компьютерное зрение#Распознавание объектов|локализация ]] объекта (либо добавить ссылку на конспект про локализацию, либо текстом "нахождение объекта на изображении и обозначение его границ"), а так же более сложных, таких как поиск движения. (https://lmb.informatik.uni-freiburg.de/resources/datasets/FlyingChairs.en.html)
* Датасет <какой-нибудь синтетический датасет с одеждой> также может быть использован для решении задачи семантической сегментации, чтобы отделить изображение лица человека от его одежды.
