面向跨域图像去噪的自适应域学习

不同相机传感器具有不同的噪声模式，因此在一个传感器上训练的去噪模型通常无法很好地泛化到不同的传感器。一种可能的解决方案是为每个传感器收集大型数据集进行训练或微调，但这不可避免地耗时。为了解决这一跨域挑战，我们提出一种新颖的自适应域学习（ADL）方案，利用来自不同传感器（源域）的现有数据加上来自新传感器（目标域）的少量数据来进行跨域 RAW 图像去噪。ADL 训练方案自动移除源域中对目标域模型微调有害的数据（部分数据因域差异在训练中加入后会降低性能）。此外，我们引入一种调制模块来采用传感器特定信息（传感器类型和 ISO），以理解图像去噪的输入数据。我们在包含各种智能手机和单反相机的公开数据集上进行了大量实验，结果表明，给定目标域传感器少量图像数据的情况下，所提模型在跨域图像去噪方面优于现有方法。