Blind2Sound：无残差噪声的自监督图像去噪
计算机视觉与模式识别
2023-03-15 v2
摘要
针对泊松-高斯噪声的自监督盲去噪仍是一项具有挑战性的任务。由单张噪声图像构建的伪监督对会重新污染信号并降低性能。可见盲点解决了掩码输入中的信息丢失问题。然而，在没有显式噪声感知的情况下，以均方误差为目标函数无法针对动态噪声水平调整去噪强度，导致明显的残差噪声。本文中，我们提出 Blind2Sound，一种简单而有效的方法来克服去噪图像中的残差噪声。所提出的自适应重可见损失能够感知噪声水平，并在保持信号无损的同时实现无噪声残留的个性化去噪。对中间介质梯度的理论分析保证了训练的稳定性，而 Cramer 高斯损失作为正则化项促进了对噪声水平的准确感知并提升了去噪器的性能。在合成和真实世界数据集上的实验展示了我们方法的优越性能，尤其是对于单通道图像。
引用
@article{arxiv.2303.05183,
title = {Blind2Sound: Self-Supervised Image Denoising without Residual Noise},
author = {Zejin Wang and Jiazheng Liu and Hao Zhai and Hua Han},
journal= {arXiv preprint arXiv:2303.05183},
year = {2023}
}