全卷积网络能否很好地完成一般图像复原问题？
计算机视觉与模式识别
2017-04-14 v2
摘要
我们提出了一种基于全卷积网络（FCN）的彩色图像复原方法。FCN最近在语义分割等高层视觉问题上表现出卓越性能。本文中，我们探究FCN模型是否也能在图像复原等低层问题上展现出有前景的性能。我们提出一个全卷积模型，学习从作为输入的受损图像到作为输出的期望干净图像之间的直接端到端映射。我们提出的方法从域变换技术中获得灵感，但呈现了一种数据驱动的任务特定方法，其中用于新颖基投影、任务依赖系数变更和图像重建的滤波器均表示为卷积网络。实验结果表明，我们的FCN模型优于传统的基于稀疏编码的方法，并在图像去噪方面展现出与最先进方法相比具有竞争力的性能。我们进一步表明，所提出的模型能够解决盲图像修复这一难题，并能生成具有令人印象深刻的视觉质量的重建图像。
引用
@article{arxiv.1611.04481,
title = {Can fully convolutional networks perform well for general image restoration problems?},
author = {Subhajit Chaudhury and Hiya Roy},
journal= {arXiv preprint arXiv:1611.04481},
year = {2017}
}
备注
Accepted at IAPR MVA 2017