基于经典贝叶斯主干的轻量级视频去噪

近年来，最先进的图像和视频去噪网络变得越来越大，需要数百万可训练参数才能实现最佳性能。改进的去噪质量以牺牲去噪速度为代价，现代转换器网络比较小的去噪网络（如 FastDVDnet）和经典贝叶斯去噪器（如维纳滤波器）运行速度慢得多。在本文中，我们实现了一个混合维纳滤波器，利用小型辅助网络提高原始去噪器的性能，同时保持快速去噪速度。这些网络用于细化维纳估计，优化窗口函数并估计未知噪声轮廓。通过这些方法，我们在多个流行去噪器上实现了超越，且平均情况下仍在流行的 VRT 转换器之内 0.2 dB。我们发现该方法比转换器方法快 10 倍以上，参数开销更低。