结合 L0 梯度正则化的深度图像先验用于图像平滑
计算机视觉与模式识别
2026-01-21 v1 人工智能
摘要
图像平滑是一项基础的图像处理操作，旨在保留图像中的强边缘和轮廓等底层结构，并去除次要细节与纹理。许多图像平滑算法依赖于计算局部窗口统计量或求解优化问题。近期最先进的方法利用了深度学习，但它们需要精心策划的训练数据集。由于为图像平滑构建合适的训练数据集具有挑战性，我们提出了 DIP-，一种结合了 梯度正则化的深度图像先验框架。该框架无需任何训练数据即可执行高质量的图像平滑。为了适当地最小化包含非凸、非光滑 “范数”的关联损失函数，我们开发了一种交替方向乘子法算法，该算法利用现成的 梯度最小化求解器。数值实验表明，所提出的 DIP- 在保边图像平滑和 JPEG 伪影去除方面优于许多图像平滑算法。
引用
@article{arxiv.2601.13400,
title = {Deep Image Prior with L0 Gradient Regularizer for Image Smoothing},
author = {Nhat Thanh Tran and Kevin Bui and Jack Xin},
journal= {arXiv preprint arXiv:2601.13400},
year = {2026}
}
备注
To be published in the Proceedings of IEEE ICASSP 2026