从无配对数据学习图像复原：一种变分贝叶斯方法
图像与视频处理
2022-09-13 v3 计算机视觉与模式识别
摘要
在实践中收集配对训练数据十分困难，但无配对样本广泛存在。现有方法旨在通过探索受损数据与干净数据之间的关系，从无配对样本生成合成训练数据。本文提出 LUD-VAE，一种从边缘分布采样数据中学习联合概率密度函数的深度生成方法。我们的方法基于一个精心设计的概率图模型，其中干净数据域与受损数据域条件独立。利用变分推断，我们最大化证据下界（ELBO）来估计联合概率密度函数。此外，我们证明在推断不变假设下，ELBO 无需配对样本即可计算。该性质为我们的方法在无配对设定下提供了数学依据。最后，我们将方法应用于真实世界图像去噪、超分辨率和低光图像增强任务，并使用 LUD-VAE 生成的合成数据训练模型。实验结果验证了我们的方法相对于其他方法的优势。
引用
@article{arxiv.2204.10090,
title = {Learn from Unpaired Data for Image Restoration: A Variational Bayes Approach},
author = {Dihan Zheng and Xiaowen Zhang and Kaisheng Ma and Chenglong Bao},
journal= {arXiv preprint arXiv:2204.10090},
year = {2022}
}