NAN：面向连拍去噪的噪声感知神经辐射场
计算机视觉与模式识别
2022-04-13 v2
摘要
随着计算摄影有助于克服手机与小相机固有的灵敏度问题，连拍去噪比以往更具现实意义。连拍去噪的一大挑战在于应对像素错位，此前研究以较为简化的假设（简单运动或能在预处理中对齐）处理该问题。在大幅运动与高强度噪声下，此类假设并不现实。我们表明，最初为基于物理的新视角渲染而提出的神经辐射场（NeRFs）可作为连拍去噪的有力框架。NeRFs因整合多幅图像信息而具备处理噪声的固有能力，但其能力受限，主要因为所基于的逐像素操作适用于理想成像条件。我们提出的方法NAN利用NeRFs中的视图间与空间信息以更好地应对噪声，在连拍去噪中取得最先进结果，尤其在极强噪声下成功应对大幅运动与遮挡。随着加速NeRFs的快速进展，其可成为挑战性环境中去噪的有力平台。
引用
@article{arxiv.2204.04668,
title = {NAN: Noise-Aware NeRFs for Burst-Denoising},
author = {Naama Pearl and Tali Treibitz and Simon Korman},
journal= {arXiv preprint arXiv:2204.04668},
year = {2022}
}
备注
to appear at CVPR 2022