NODE-ImgNet：一种 PDE 启发的有效且鲁棒的图像去噪模型
图像与视频处理
2023-11-07 v2 计算机视觉与模式识别
机器学习
摘要
受传统偏微分方程（PDE）图像去噪方法的启发，我们提出了一种新颖的神经网络架构，称为 NODE-ImgNet，它将神经常微分方程（NODEs）与卷积神经网络（CNN）模块相结合。NODE-ImgNet 本质上是一个 PDE 模型，其中动态系统被隐式学习而无需显式指定 PDE。这自然规避了学习过程中引入伪影的典型问题。通过采用这种也可视为残差网络（ResNet）连续变体并继承其在图像去噪中优势的 NODE 结构，我们的模型实现了更高的精度与参数效率。特别地，我们的模型在不同场景下表现出一致的有效性，包括被高斯噪声扰动的灰度与彩色图像去噪，以及真实噪声图像，并展示了在小图像数据集上学习的优越性。
引用
@article{arxiv.2305.11049,
title = {NODE-ImgNet: a PDE-informed effective and robust model for image denoising},
author = {Xinheng Xie and Yue Wu and Hao Ni and Cuiyu He},
journal= {arXiv preprint arXiv:2305.11049},
year = {2023}
}