先图像后视频：一种用于时空视频去噪的两阶段网络
计算机视觉与模式识别
2020-01-23 v2
摘要
视频去噪旨在通过时空处理从受噪声污染的数据中去除噪声，从而恢复真实信号。现有的时空视频去噪方法往往存在运动模糊伪影，即运动物体的边界往往显得模糊，尤其在物体快速运动时，导致光流计算失效。在本文中，我们通过设计先图像后视频的两阶段去噪神经网络来解决这一挑战，该网络由用于空间上降低帧内噪声的图像去噪模块和常规的时空视频去噪模块组成。其直觉简单却强大有效：第一阶段图像去噪有效降低了噪声水平，因此使第二阶段时空去噪能够在各处（包括沿运动物体边界）更好地建模和学习。该两阶段网络在以端到端方式训练时，在视频去噪基准Vimeo90K数据集上于去噪质量和计算量两方面均取得了最先进的性能。它还支持一种无监督方法，可达到与现有有监督方法相当的性能。
引用
@article{arxiv.2001.00346,
title = {First image then video: A two-stage network for spatiotemporal video denoising},
author = {Ce Wang and S. Kevin Zhou and Zhiwei Cheng},
journal= {arXiv preprint arXiv:2001.00346},
year = {2020}
}