基于残差学习的生成对抗方法去除尘斑与划痕伪影
计算机视觉与模式识别
2020-09-23 v1
摘要
润饰可显著提升照片的视觉吸引力，但许多业余摄影者缺乏专业操作能力。旧照片润饰中一项尤为艰巨的任务仍是去除尘斑与划痕伪影。传统上，该任务借助专用图像增强软件手动完成，是一项繁琐且需要照片编辑应用专门知识的工作。然而，近期利用生成对抗网络（GANs）的研究已证明，相较于传统方法，其在多种自动化图像增强任务中取得了良好效果。这促使我们探索将GANs应用于胶片照片编辑。本文提出一种基于GAN的方法，能够从胶片扫描中去除尘斑与划痕瑕疵。具体而言，利用残差学习加速训练过程，并提升去噪性能。我们的模型在一个社区提供的数据集上的广泛评估表明其泛化能力极佳，不依赖于任何特定图像类型。最终，我们显著优于最先进的方法和软件应用，提供了更优的结果。
引用
@article{arxiv.2009.10663,
title = {A Generative Adversarial Approach with Residual Learning for Dust and Scratches Artifacts Removal},
author = {Ionuţ Mironică},
journal= {arXiv preprint arXiv:2009.10663},
year = {2020}
}