CS-PCN：用于图像去噪的上下文-空间渐进协作网络
计算机视觉与模式识别
2023-05-18 v1 图像与视频处理
摘要
目前，基于深度学习的图像去噪方法无法充分协调上下文语义信息与空间细节。为了将这些信息优化纳入考量，本文提出了一种用于图像去噪的上下文-空间渐进协作网络（Context-Space Progressive Collaborative Network, CS-PCN）。CS-PCN 是一种多阶段分层架构，由上下文挖掘孪生子网络（CM2S）和空间合成子网络（3S）组成。CM2S 旨在通过依次连接用于语义信息预处理的特征多层处理器（MLFP）、用于多尺度信息的注意力编码器-解码器（AED）以及用于监督特征融合的多卷积注意力控制器（MCAC），来提取丰富的多尺度上下文信息。3S 将 MLFP 与单尺度级联块并行以学习图像细节，这不仅保持了上下文信息，还强调了互补的空间信息。实验结果表明，CS-PCN 在合成与真实世界噪声去除中均取得了显著的性能提升。
引用
@article{arxiv.2305.10146,
title = {CS-PCN: Context-Space Progressive Collaborative Network for Image Denoising},
author = {Yuqi Jiang and Chune Zhang and Jiao Liu},
journal= {arXiv preprint arXiv:2305.10146},
year = {2023}
}
备注
International Conference on Multimedia and Expo