一小时内完成噪声建模：降低自监督低光RAW图像去噪的准备工作
图像与视频处理
2025-05-02 v1
摘要
噪声合成是解决数据驱动低光RAW图像去噪数据不足问题的有力方法。然而，准确的噪声合成方法通常需要在准备阶段进行耗时的标定和轮廓分析，从而限制了其大规模应用。本工作引入基于噪声特性细致分析和广泛技术充分论证的实用简单噪声合成管道。与其他方法相比，我们提出的管道消除了繁琐的系统增益标定和与信号无关的噪声轮廓步骤，将噪声合成的准备时间从天降至小时。同时，我们的方法在去噪性能方面表现出色，相较于当前最先进的噪声合成技术，实现了最高0.54 dB的PSNR提升。代码已发布于https://github.com/SonyResearch/raw_image_denoising。
引用
@article{arxiv.2505.00045,
title = {Noise Modeling in One Hour: Minimizing Preparation Efforts for Self-supervised Low-Light RAW Image Denoising},
author = {Feiran Li and Haiyang Jiang and Daisuke Iso},
journal= {arXiv preprint arXiv:2505.00045},
year = {2025}
}