类别感知的全卷积高斯与泊松去噪
计算机视觉与模式识别
2018-10-17 v1
摘要
我们提出一种用于图像去噪的全卷积神经网络架构，简洁而强大。其结构得以利用去噪过程的渐进性质：浅层处理局部噪声统计，而深层恢复边缘并增强纹理。我们的方法在针对不同的噪声水平与分布（高斯与泊松二者）训练时推进了最先进水平。此外，我们表明通过利用语义类别信息使去噪器具备类别感知可提升性能、增强纹理并减少伪影。
引用
@article{arxiv.1808.06562,
title = {Class-Aware Fully-Convolutional Gaussian and Poisson Denoising},
author = {Tal Remez and Or Litany and Raja Giryes and Alex M. Bronstein},
journal= {arXiv preprint arXiv:1808.06562},
year = {2018}
}