无需先验知识的盲图像复原
计算机视觉与模式识别
2020-03-10 v2
摘要
许多图像复原技术高度依赖于训练期间使用的退化，当应用于略有差异的输入时，其性能显著下降。盲的与通用技术试图通过产生可适应变化条件的训练模型来缓解此问题。然而，迄今为止的盲技术需要退化过程的先验知识，以及对其参数空间的假设。在本文中，我们提出自归一化侧链（SCNC），一种无需退化先验知识的盲通用复原新方法。该模块可添加到任何现有CNN拓扑中，并以端到端方式与网络其余部分一同训练。与任务相关的成像参数及其动态由训练数据中的多样性推导得出。我们将我们的解应用于若干图像复原任务，并证明SNSC编码了退化参数，提升了复原性能。
引用
@article{arxiv.2003.01764,
title = {Blind Image Restoration without Prior Knowledge},
author = {Noam Elron and Shahar S. Yuval and Dmitry Rudoy and Noam Levy},
journal= {arXiv preprint arXiv:2003.01764},
year = {2020}
}
备注
Submitted to ECCV2020