CurvPnP：基于深度曲率去噪器的即插即用盲图像复原
图像与视频处理
2022-11-15 v1 计算机视觉与模式识别
摘要
由于基于深度学习的去噪器的发展，即插即用策略在图像复原问题中取得了巨大成功。然而，现有的即插即用图像复原方法针对非盲高斯去噪设计（如 zhang 等人（2022）），其在未知噪声下性能明显下降。为推进即插即用图像复原的极限，我们提出了一种具有盲高斯先验的新框架，可处理现实世界中更复杂的图像复原问题。更具体地，我们将噪声水平视为变量构建新的图像复原模型，其由一个两阶段盲高斯去噪器实现，该去噪器由噪声估计子网络与去噪子网络组成，其中噪声估计子网络为去噪子网络提供噪声水平以进行盲噪声去除。我们还将曲率图引入编码器-解码器架构与监督注意力模块，以实现高度灵活且有效的卷积神经网络。我们在图像去噪、去模糊与单图像超分辨率上的实验结果证明了我们的深度曲率去噪器及由此产生的即插即用盲图像复原方法相对于最先进的基于模型与基于学习的方法的优势。结果表明，即使在噪声水平未知的不同图像复原任务中，我们的模型也能恢复精细图像细节与微小结构。源代码见 https://github.com/Duanlab123/CurvPnP。
引用
@article{arxiv.2211.07286,
title = {CurvPnP: Plug-and-play Blind Image Restoration with Deep Curvature Denoiser},
author = {Yutong Li and Yuping Duan},
journal= {arXiv preprint arXiv:2211.07286},
year = {2022}
}