CVF-SID：基于循环多变量函数与图像解耦的自监督图像去噪方法
计算机视觉与模式识别
2022-03-30 v3
摘要
近年来，借助大规模数据集的强监督，图像去噪取得了显著进展。然而，在实践中为每个特定场景获取良好对齐的含噪-干净训练图像对是复杂且昂贵的。因此，将传统的监督去噪网络直接应用于野外的含噪输入并不容易。尽管已有若干研究在无需强监督的情况下挑战该问题，但它们依赖于不太实际的假设，无法直接应用于实际场景。为应对上述挑战，我们提出了一种新颖且强大的自监督去噪方法 CVF-SID，其基于循环多变量函数（CVF）模块与自监督图像解耦（SID）框架。CVF 模块可输出输入的多个分解变量，并以循环方式将这些输出的组合作为反馈输入。我们的 CVF-SID 利用多种自监督损失项，从输入中解耦出干净图像与噪声图。与仅考虑信号无关噪声模型的若干方法不同，我们还处理了面向真实世界应用的信号相关噪声分量。此外，我们不依赖任何关于底层噪声分布的先验假设，使 CVF-SID 对真实噪声更具泛化能力。在真实世界数据集上的大量实验表明，CVF-SID 达到了最先进的自监督图像去噪性能，并与其他现有方法相当。代码已公开于 https://github.com/Reyhanehne/CVF-SID_PyTorch 。
引用
@article{arxiv.2203.13009,
title = {CVF-SID: Cyclic multi-Variate Function for Self-Supervised Image Denoising by Disentangling Noise from Image},
author = {Reyhaneh Neshatavar and Mohsen Yavartanoo and Sanghyun Son and Kyoung Mu Lee},
journal= {arXiv preprint arXiv:2203.13009},
year = {2022}
}
备注
Published at CVPR 2022