记忆增强即你所需要的一切：面向图像复原
计算机视觉与模式识别
2025-08-27 v2 人工智能
摘要
图像复原是一项底层视觉任务，多数CNN方法被设计为黑盒，缺乏透明性与内在美感。尽管已有一些将传统优化算法与DNN结合的方法被提出，但它们均存在某些局限。本文中，我们提出了一种三粒度记忆层与对比学习，称为MemoryNet；具体而言，将样本划分为正、负和真实三种样本进行对比学习，其中记忆层能够保留图像的深层特征，而对比学习使所学特征收敛以取得平衡。在去雨/去阴影/去模糊任务上的实验表明，这些方法在提升复原性能方面是有效的。此外，本文模型在不同退化类型的三个数据集上获得了显著的PSNR、SSIM增益，这有力证明了复原图像在感知上真实。MemoryNet的源代码可从 https://github.com/zhangbaijin/MemoryNet 获取。
引用
@article{arxiv.2309.01377,
title = {Memory augment is All You Need for image restoration},
author = {Xiao Feng Zhang and Chao Chen Gu and Shan Ying Zhu},
journal= {arXiv preprint arXiv:2309.01377},
year = {2025}
}
备注
We need to make major changes and re-upload