双对抗网络：面向真实世界噪声去除与噪声生成
计算机视觉与模式识别
2020-07-14 v1 图像与视频处理
摘要
真实世界图像去噪是计算机视觉中一个长期存在且极具挑战性的任务。深度神经网络在去噪领域的成功激发了噪声生成的研究，旨在合成更多的干净-噪声图像对以促进深度去噪器的训练。在本工作中，我们提出了一个新颖的统一框架，以同时处理去噪和噪声生成任务。传统MAP框架仅推断以观测噪声图像为条件的潜在干净图像的后验分布，而我们提出的方法学习干净-噪声图像对的联合分布。具体而言，我们用两种不同的分解形式来近似该联合分布，可以将其表述为一个将噪声图像映射到干净图像的去噪器和一个将干净图像映射到噪声图像的生成器。学习到的联合分布隐式地包含了噪声图像与干净图像之间的所有信息，避免了传统方法中手动设计图像先验和噪声假设的必要性。此外，通过使用学习到的生成器增强原始训练数据集，可以进一步提升我们去噪器的性能。此外，我们提出了两个指标来评估生成噪声图像的质量，据我们所知，在此研究路线上尚属首次提出此类指标。我们进行了大量实验，以证明我们的方法在真实噪声去除和生成任务上均优于现有最优方法。训练和测试代码可在 https://github.com/zsyOAOA/DANet 获取。
引用
@article{arxiv.2007.05946,
title = {Dual Adversarial Network: Toward Real-world Noise Removal and Noise Generation},
author = {Zongsheng Yue and Qian Zhao and Lei Zhang and Deyu Meng},
journal= {arXiv preprint arXiv:2007.05946},
year = {2020}
}
备注
Accepted by ECCV 2020