Noise2Score：基于 Tweedie 公式的无干净图像自监督图像去噪方法
图像与视频处理
2021-10-28 v2 计算机视觉与模式识别
机器学习
摘要
近年来，训练深度网络在无干净参考的情况下对图像去噪引起了广泛的研究兴趣。然而，Noise2Noise、Noise2Void、Stein 无偏风险估计器 (SURE) 等代表性方法彼此看似不同，难以发现其连贯的数学结构。为此，我们提出了一种称为 Noise2Score 的新方法，揭示了将这些看似不同的方法统一起来的缺失环节。具体而言，我们表明无干净图像的图像去噪问题可通过寻找后验分布的模来解决，并且 Tweedie 公式通过得分函数（即对数似然的梯度）给出了显式解。我们的方法随后利用了近期发现，即得分函数可使用摊余残差去噪自编码器从含噪图像稳定估计，该方法与 Noise2Noise 或 Noise2Void 密切相关。我们的 Noise2Score 方法具有普适性，相同的网络训练可用于去除被任意指数族分布和噪声参数污染的图像中的噪声。通过对高斯、泊松和伽马噪声的大量实验，我们表明 Noise2Score 在 (C)BSD68、Set12 和 Kodak 等基准数据集上显著优于最先进的自监督去噪方法。
引用
@article{arxiv.2106.07009,
title = {Noise2Score: Tweedie's Approach to Self-Supervised Image Denoising without Clean Images},
author = {Kwanyoung Kim and Jong Chul Ye},
journal= {arXiv preprint arXiv:2106.07009},
year = {2021}
}
备注
Camera ready version for NeurIPS 2021