面向多退化等级图像复原的深度似然网络
计算机视觉与模式识别
2021-01-12 v4 机器学习
神经与进化计算
摘要
卷积神经网络已在多种图像复原任务中被证明有效。然而，大多数最先进的解决方案使用具有单一特定退化等级的图像进行训练，当应用于其他退化设置时其性能急剧下降。本文提出深度似然网络（DL-Net），旨在将现成的图像复原网络推广到一系列退化等级上取得成功。我们通过附加一个由保真项导出的简单递归模块，对现成网络进行轻微修改，以解耦多退化等级的计算。在图像修复、插值和超分辨率上的大量实验结果表明了我们的DL-Net的有效性。
引用
@article{arxiv.1904.09105,
title = {Deep Likelihood Network for Image Restoration with Multiple Degradation Levels},
author = {Yiwen Guo and Ming Lu and Wangmeng Zuo and Changshui Zhang and Yurong Chen},
journal= {arXiv preprint arXiv:1904.09105},
year = {2021}
}
备注
Accepted by IEEE Transactions on Image Processing; 13 pages, 6 figures