面向低光照 Raw 图像去噪的对比学习
计算机视觉与模式识别
2023-05-08 v1 人工智能
摘要
低光照场景下的图像/视频去噪由于光子计数有限且噪声高而极具挑战性。本文中，我们提出一种基于对比学习的新方法来解决该问题。受对比学习在一些高层计算机视觉任务中成功的启发，我们将此思想引入低层去噪任务。为实现该目标，我们引入一种新的去噪对比正则化（DCR）以利用噪声图像与干净图像的信息。在特征空间中，DCR 使去噪后的图像更接近干净图像而远离噪声图像。此外，我们构建了一个称为 Wnet 的新特征嵌入网络，能更有效地提取高频信息。我们在真实低光照数据集上开展实验，该数据集包含在无月晴夜 0.6 millilux 下拍摄的静态图像以及星光下（无月亮，<0.001 lux）的视频。结果表明，相比现有方法，我们的方法能获得更高的 PSNR 与更好的视觉质量。
引用
@article{arxiv.2305.03352,
title = {Contrastive Learning for Low-light Raw Denoising},
author = {Taoyong Cui and Yuhan Dong},
journal= {arXiv preprint arXiv:2305.03352},
year = {2023}
}