全卷积像素自适应图像去噪器
计算机视觉与模式识别
2019-10-29 v4 机器学习
机器学习
摘要
我们提出一种新的图像去噪算法，称为全卷积自适应图像去噪器（FC-AIDE），它可以从离线有监督训练集中通过全卷积神经网络学习，并针对每幅给定噪声图像自适应微调该有监督模型。我们显著扩展了近期提出的Neural AIDE框架，该框架将去噪器表述为基于上下文的逐像素映射，并利用此类去噪器的MSE无偏估计。我们所做的两项主要贡献是：1）实现一种新颖的全卷积架构以提升基础有监督模型；2）引入用于自适应微调的正则化方法，从而获得更强健且更鲁棒的自适应性。结果表明，FC-AIDE具备许多理想特性：在我们测试的所有基准数据集上均优于近期基于CNN的SOTA去噪器，并在各种挑战性场景（例如图像/噪声特性不匹配或监督训练数据稀缺）下表现尤为强劲。我们的算法源代码可在 https://github.com/csm9493/FC-AIDE-Keras 获取。
引用
@article{arxiv.1807.07569,
title = {Fully Convolutional Pixel Adaptive Image Denoiser},
author = {Sungmin Cha and Taesup Moon},
journal= {arXiv preprint arXiv:1807.07569},
year = {2019}
}
备注
17 pages (including Supplementary Materials), ICCV 2019 camera ready version