Moiré Zero：一种高效且性能卓越的去莫尔纹神经网络架构
计算机视觉与模式识别
2025-07-31 v1 图像与视频处理
摘要
莫尔纹图案由细小重复结构与相机传感器采样过程之间的频率别称引起，已是消费级摄影和工业缺陷检测等众多实际应用中的重要障碍。随着深度学习算法的发展，诸多研究——主要基于卷积神经网络——提出了各种解决方案。尽管如此，现有方法仍难以有效消除因莫尔纹图案尺度、方向和颜色位移的多样性而受限于CNN架构受限感受野，难以捕捉莫尔纹图案的复杂特征。本文提出了MZNet（Moire-Zero网络），一种U型网络旨在通过有效去除莫尔纹图案将图像带入“莫尔纹为零”状态。它集成了三个专用组件：用于提取和细化多尺度特征的多尺度双注意力模块（Multi-Scale Dual Attention Block, MSDAB）、用于捕捉多样莫尔纹结构的多形状大核卷积模块（Multi-Shape Large Kernel Convolution Block, MSLKB）以及基于特征融合的跳跃连接，以增强信息流动。这些组件共同提升了局部纹理恢复和大尺度杂物抑制能力。基准数据集上的实验表明，MZNet在高分辨率数据集上实现了最先进性能，在低分辨率数据集上也表现具竞争力，同时保持低计算成本，表明其是一种高效且实用的解决方案。项目页面：https://sngryonglee.github.io/MoireZero
引用
@article{arxiv.2507.22407,
title = {Moir\'e Zero: An Efficient and High-Performance Neural Architecture for Moir\'e Removal},
author = {Seungryong Lee and Woojeong Baek and Younghyun Kim and Eunwoo Kim and Haru Moon and Donggon Yoo and Eunbyung Park},
journal= {arXiv preprint arXiv:2507.22407},
year = {2025}
}
备注
Project page: https://sngryonglee.github.io/MoireZero