基于有效频率分解的图像去 moiré 变换器 Freqformer
计算机视觉与模式识别
2025-05-27 v1
摘要
图像去 moiré _pattern_ 由于纹理破坏与由 moiré 图案引起的颜色失真之间的复杂相互作用，仍是一个具有挑战性的任务。现有方法，尤其是依赖于直接图像到图像恢复的方法，往往难以有效分离这些交织的伪影。虽然基于小波的频率感知方法提供了可行的方向，但其潜力尚未得到充分探索。本文提出 Freqformer，一个专为通过目标频率分离实现图像去 moiré 而设计的 Transformer 框架。我们的方法进行有效的频率分解，显式地将 moiré 图案分为高频局部化纹理和低频鲁棒颜色失真，然后通过针对其不同特征的双分支架构进行处理。我们进一步提出可自适应融合频率特定输出的可学习频率组成变换(FCT)模块，以实现一致且高保真的重构。为更好地聚合空间依赖性和通道间互补信息，我们引入空间感知通道注意力(SA-CA)模块，以不增加高计算成本的方式细化 moiré 敏感区域。广泛的在各种去 moiré 基准数据集上的实验表明，Freqformer 以紧凑的模型规模实现了最先进的性能。代码已公开发布于 https://github.com/xyLiu339/Freqformer。
引用
@article{arxiv.2505.19120,
title = {Freqformer: Image-Demoir\'eing Transformer via Efficient Frequency Decomposition},
author = {Xiaoyang Liu and Bolin Qiu and Jiezhang Cao and Zheng Chen and Yulun Zhang and Xiaokang Yang},
journal= {arXiv preprint arXiv:2505.19120},
year = {2025}
}