从原始自然图像噪声数据集中学习联合去噪、马赛克去除和压缩
计算机视觉与模式识别
2025-06-23 v2 图像与视频处理
摘要
本文介绍了 Raw Natural Image Noise Dataset (RawNIND)，是一个多样化的原始图像配对集合，旨在支持开发能够跨传感器、图像开发工作流程和风格的去噪模型。提出了两种去噪方法：一种直接处理原始 Bayer 数据，利用计算效率；另一种处理线性 RGB 图像，以实现对不同传感器的更好泛化，两者都保留了后续开发的灵活性。两种方法均优于依赖已开发图像的传统方法。此外，在原始数据水平上集成去噪和压缩显著提高了速率失真性能和计算效率。这些发现表明，向原始数据工作流程转变是一种高效且灵活的图像处理范式。
引用
@article{arxiv.2501.08924,
title = {Learning Joint Denoising, Demosaicing, and Compression from the Raw Natural Image Noise Dataset},
author = {Benoit Brummer and Christophe De Vleeschouwer},
journal= {arXiv preprint arXiv:2501.08924},
year = {2025}
}