深度图卷积图像去噪
图像与视频处理
2023-07-19 v1 计算机视觉与模式识别
机器学习
多媒体
摘要
非局部自相似性众所周知是图像去噪问题的有效先验。然而，将其纳入卷积神经网络的工作甚少，尽管后者仅利用局部信息却超越了基于非局部模型的方法。本文提出一种新颖的端到端可训练神经网络架构，采用基于图卷积操作的层，从而创建具有非局部感受野的神经元。图卷积操作将经典卷积推广至任意图。本工作中，图由网络隐藏特征间的相似性动态计算，从而利用网络强大的表示学习能力来揭示自相似模式。我们引入轻量的边条件卷积（Edge-Conditioned Convolution），解决了该特定图卷积的梯度消失与过参数化问题。大量实验表明，在合成高斯噪声和真实噪声上均取得了具有改进定性与定量结果的SOTA性能。
引用
@article{arxiv.1907.08448,
title = {Deep Graph-Convolutional Image Denoising},
author = {Diego Valsesia and Giulia Fracastoro and Enrico Magli},
journal= {arXiv preprint arXiv:1907.08448},
year = {2023}
}