NBNet：基于子空间投影与噪声基学习的图像去噪方法
计算机视觉与模式识别
2021-05-13 v2
摘要
本文中，我们介绍 NBNet，一种新颖的图像去噪框架。与以往工作不同，我们提出从一新视角解决这一挑战性问题：通过图像自适应投影降噪。具体而言，我们提出训练一个网络，通过在特征空间中学习一组重建基来分离信号与噪声。随后，可通过选取信号子空间的相应基并将输入投影至该空间来实现图像去噪。我们的核心见解是，投影能够自然保持输入信号的局部结构，尤其对于低光照或弱纹理区域。为此，我们提出 SSA，一种专门设计的非局部子空间注意力模块，用于显式学习基生成与子空间投影。我们进一步将 SSA 与 NBNet（一种为端到端图像去噪设计的 UNet 结构网络）相结合。我们在包括 SIDD 和 DND 在内的基准上进行了评估，NBNet 在 PSNR 和 SSIM 上以显著更少的计算成本取得了最先进的性能。
引用
@article{arxiv.2012.15028,
title = {NBNet: Noise Basis Learning for Image Denoising with Subspace Projection},
author = {Shen Cheng and Yuzhi Wang and Haibin Huang and Donghao Liu and Haoqiang Fan and Shuaicheng Liu},
journal= {arXiv preprint arXiv:2012.15028},
year = {2021}
}