基于提示驱动的sRGB实噪声生成

sRGB图像空间中的去噪由于噪声变异性大而具有挑战性。虽然端到端方法表现良好，但其在实际场景中的有效性受限于真实噪声-干净图像对稀缺，这些图像昂贵且难以收集。为此，已develop出几种生成方法来合成具有代表性的噪声图像。这些方法通常依赖于训练和测试期间的相机元数据来合成真实世界噪声。然而，缺乏元数据或设备之间不一致性限制了其可用性。因此，我们提出一种名为Prompt-Driven Noise Generation（PNG）的新框架。该模型能够获取高维提示特征，捕捉真实世界输入噪声的特征，并创建与输入噪声分布一致的多种真实噪声图像。通过消除对显式相机元数据的依赖，我们的方法显著增强了噪声合成的通用性和适用性。全面实验表明，我们的模型有效地产生真实噪声图像，并成功应用于去除实际场景中的噪声，适用于多个基准数据集。