用归一化流建模 sRGB 相机噪声
计算机视觉与模式识别
2022-06-03 v1 图像与视频处理
摘要
噪声建模与抑制是底层计算机视觉的基本任务。它们对依赖小传感器、呈现明显可见噪声的智能手机摄像头尤为重要。近期，利用数据驱动方法通过神经网络改进相机噪声模型重新引起关注。这些数据驱动方法针对相机图像信号处理器 (ISP) 处理前原始传感器图像中存在的噪声。在 RAW-rgb 域建模噪声有助于改进和测试机内去噪算法；然而，在某些情况下相机 ISP 未应用去噪，或当 RAW-rgb 域图像不再可用时需额外去噪。此时，传感器噪声经 ISP 传播至标准 RGB (sRGB) 编码的最终渲染图像。ISP 上的非线性步骤导致 sRGB 域中噪声分布显著更复杂，现有 raw 域噪声模型无法捕捉 sRGB 噪声分布。我们提出一种基于归一化流的 sRGB 域噪声模型，能够学习不同 ISO 级别下 sRGB 图像中的复杂噪声分布。我们的归一化流方法在噪声建模与合成任务上大幅优于其他模型。我们还表明，用我们噪声模型合成的噪声图像训练的图像去噪器优于用基线模型噪声训练的去噪器。
引用
@article{arxiv.2206.00812,
title = {Modeling sRGB Camera Noise with Normalizing Flows},
author = {Shayan Kousha and Ali Maleky and Michael S. Brown and Marcus A. Brubaker},
journal= {arXiv preprint arXiv:2206.00812},
year = {2022}
}
备注
CVPR 2022