DnLUT：基于通道感知查找表的超高效彩色图像去噪
计算机视觉与模式识别
2025-03-21 v1
摘要
尽管深度神经网络已彻底变革了图像去噪能力，但其在边缘设备上的部署仍面临巨大的计算和存储挑战。为此，我们提出了 DnLUT，一个基于查找表的超高效框架，能够以最小资源消耗实现高质量的彩色图像去噪。我们的核心创新在于两个互补的组件：一种有效捕获信道间相关性和空间依赖性的配对信道混合器 (Pairwise Channel Mixer, PCM)，以及一种新颖的 L 形卷积设计，既最大化感受野覆盖，又最小化存储开销。通过将这些组件训练后转换为优化后的查找表，DnLUT 实现了惊人的效率——仅需 500KB 存储，能耗仅为其 CNN 对手 DnCNN 的 0.1%，同时实现 20 倍的推理速度。广泛的实验表明，DnLUT 在 PSNR 上超过所有现有基于查找表的方法超过 1dB，建立了资源高效彩色图像去噪的新型态。项目地址为 https://github.com/Stephen0808/DnLUT。
引用
@article{arxiv.2503.15931,
title = {DnLUT: Ultra-Efficient Color Image Denoising via Channel-Aware Lookup Tables},
author = {Sidi Yang and Binxiao Huang and Yulun Zhang and Dahai Yu and Yujiu Yang and Ngai Wong},
journal= {arXiv preprint arXiv:2503.15931},
year = {2025}
}
备注
Accepted by CVPR2025