面向混合失真图像复原的解耦特征表示学习
计算机视觉与模式识别
2020-07-23 v1 图像与视频处理
摘要
混合失真图像复原 (HD-IR) 致力于复原由多种失真退化的真实失真图像。现有的 HD-IR 方法通常忽略混合失真间固有的相互干扰，从而损害了复原性能。为分解此类干扰，我们引入解耦特征学习的概念，以实现对混合失真的特征级分而治之。具体而言，我们提出特征解耦模块 (FDM)，通过改进基于增益控制的归一化，将不同失真的特征表示分配到不同通道。我们还提出带有通道注意力机制的特征聚合模块 (FAM)，以自适应地滤除失真表示并从不同通道聚合有用内容信息用于原始图像构建。所提方案的有效性通过可视化不同失真的特征相关矩阵与通道响应得以验证。大量实验结果也证明了我们的方法相较于最新 HD-IR 方案的优越性能。
引用
@article{arxiv.2007.11430,
title = {Learning Disentangled Feature Representation for Hybrid-distorted Image Restoration},
author = {Xin Li and Xin Jin and Jianxin Lin and Tao Yu and Sen Liu and Yaojun Wu and Wei Zhou and Zhibo Chen},
journal= {arXiv preprint arXiv:2007.11430},
year = {2020}
}
备注
Accepted by ECCV2020