FBI-Denoiser：面向泊松-高斯噪声的快速盲图像去噪器
图像与视频处理
2021-05-25 v1 计算机视觉与模式识别
摘要
我们考虑具有挑战性的泊松-高斯噪声盲去噪问题，其中无可用的关于干净图像或噪声水平参数的额外信息。特别地，当仅能获取“单张”噪声图像用于训练去噪器时，现有方法的去噪性能不尽如人意。近来，盲像素级仿射图像去噪器(BP-AIDE)被提出，并在上述设定下显著提升了性能，以至于可与利用额外信息的去噪器相媲美。然而，BP-AIDE由于噪声水平估计过程低效以及其所用的盲点网络(BSN)架构低效，严重受限于缓慢的推理时间。为此，我们提出面向泊松-高斯噪声的快速盲图像去噪器(FBI-Denoiser)，其由两个神经网络模型组成：1) PGE-Net，其估计泊松-高斯噪声参数的速度比传统方法快2000倍；2) FBI-Net，其就参数数量与推理速度而言实现了更高效的用于像素级仿射去噪器的BSN。最终，我们表明，仅基于单张噪声图像盲训练的我们的FBI-Denoiser，在多个真实世界噪声图像基准数据集上可达到最先进(state-of-the-art)性能，且推理时间远快于BP-AIDE(快10倍)。我们方法的官方代码见 https://github.com/csm9493/FBI-Denoiser。
引用
@article{arxiv.2105.10967,
title = {FBI-Denoiser: Fast Blind Image Denoiser for Poisson-Gaussian Noise},
author = {Jaeseok Byun and Sungmin Cha and Taesup Moon},
journal= {arXiv preprint arXiv:2105.10967},
year = {2021}
}
备注
CVPR 2021 camera ready version