近红外辅助图像去噪：一种选择性融合方法与真实世界基准数据集
计算机视觉与模式识别
2025-03-11 v4
摘要
尽管在图像去噪方面取得了显著进展，但在去除噪声的同时恢复细尺度细节仍然具有挑战性，特别是在极低光照环境下。利用近红外（NIR）图像辅助可见光 RGB 图像去噪展现了解决这一问题的潜力，正成为一项有前景的技术。然而，由于 NIR-RGB 图像之间的内容不一致以及真实世界配对数据集的稀缺，现有工作仍难以有效利用 NIR 信息进行真实世界图像去噪。为了缓解这一问题，我们提出了一种高效的选择性融合模块（SFM），它可以即插即用地嵌入先进的去噪网络中，以融合深层 NIR-RGB 特征。具体而言，我们依次对 NIR 和 RGB 特征执行全局和局部调制，然后整合这两个调制后的特征。此外，我们提出了一个真实世界近红外辅助图像去噪（Real-NAID）数据集，涵盖了多种场景以及各种噪声级别。在合成数据集和我们的真实世界数据集上的大量实验表明，所提出的方法取得了优于 SOTA 方法的结果。该数据集、代码和预训练模型将在 https://github.com/ronjonxu/NAID 公开提供。
引用
@article{arxiv.2404.08514,
title = {NIR-Assisted Image Denoising: A Selective Fusion Approach and A Real-World Benchmark Dataset},
author = {Rongjian Xu and Zhilu Zhang and Renlong Wu and Wangmeng Zuo},
journal= {arXiv preprint arXiv:2404.08514},
year = {2025}
}
备注
Accepted by IEEE Transactions on Multimedia (TMM)