基于动态退化的动态图像复原与融合
计算机视觉与模式识别
2021-05-03 v3
摘要
基于深度学习的图像复原与融合方法已取得显著成果。然而，现有复原与融合方法很少关注由动态退化引起的鲁棒性问题。本文提出一种新颖的动态图像复原与融合神经网络，称为 DDRF-Net，其能够解决静态复原与融合、动态退化两个问题。为解决现有方法的静态融合问题，引入动态卷积以学习动态复原与融合权重。此外，提出动态退化核以提升图像复原与融合的鲁棒性。我们的网络框架能有效将图像退化与图像融合任务结合，通过图像复原损失为图像融合任务提供更详细信息，并通过图像融合损失优化图像复原任务。因此，深度学习在图像融合中的绊脚石（如静态融合权重与特定设计的网络架构）被大幅缓解。大量实验表明，与最先进的方法相比，我们的方法更具优越性。
引用
@article{arxiv.2104.12347,
title = {Dynamic Image Restoration and Fusion Based on Dynamic Degradation},
author = {Aiqing Fang and Xinbo Zhao and Jiaqi Yang and Yanning Zhang},
journal= {arXiv preprint arXiv:2104.12347},
year = {2021}
}