用于单图像去噪的多尺度自适应网络
图像与视频处理
2022-11-01 v2 计算机视觉与模式识别
摘要
多尺度架构因吸引人的跨尺度互补性已在多种任务中展现出有效性。然而，现有架构同等对待不同尺度特征，未考虑尺度特有特性，即架构设计中忽略了尺度内特性。本文揭示了多尺度架构设计中这一缺失环节，并相应提出一种新颖的用于单图像去噪的多尺度自适应网络（MSANet）。具体而言，得益于三个新颖的神经模块——自适应特征块（AFeB）、自适应多尺度块（AMB）和自适应融合块（AFuB），MSANet同时兼顾尺度内特性与跨尺度互补性。简言之，AFeB旨在自适应地保留图像细节并滤除噪声，这对于混有细节与噪声的特征极为重要。AMB可扩大感受野并聚合多尺度信息，满足上下文信息丰富特征的需求。AFuB致力于自适应地从一个尺度采样并传输特征至另一尺度，从而融合由粗到细、特性各异的多尺度特征。在三个真实与六个合成噪声图像数据集上的大量实验表明，MSANet相较于12种方法具有优越性。代码可从 https://github.com/XLearning-SCU/2022-NeurIPS-MSANet 获取。
引用
@article{arxiv.2203.04313,
title = {Multi-Scale Adaptive Network for Single Image Denoising},
author = {Yuanbiao Gou and Peng Hu and Jiancheng Lv and Joey Tianyi Zhou and Xi Peng},
journal= {arXiv preprint arXiv:2203.04313},
year = {2022}
}