论去噪在学习图像压缩中的重要性
图像与视频处理
2023-07-13 v1 计算机视觉与模式识别
摘要
图像噪声在摄影中无处不在。然而,图像噪声既不可压缩也不可取,因此试图在压缩图像码流中传递噪声会在码率和失真两方面均产生次优结果。我们提出在训练编解码器时显式地学习图像去噪任务。为此,我们利用自然图像噪声数据集,其提供了在各种 ISO 数值下捕获的多种场景,导致不同的噪声水平,包括可忽略的噪声。基于该训练集,我们用噪声-干净图像对监督编解码器,并表明基于可变噪声水平图像混合训练的单一模型似乎在噪声和干净图像上均产生最佳同类结果,以几乎少一个数量级 GMac 运算的代价实现了优于仅压缩模型甚至去噪后压缩模型对的率失真性能。
引用
@article{arxiv.2307.06233,
title = {On the Importance of Denoising when Learning to Compress Images},
author = {Benoit Brummer and Christophe De Vleeschouwer},
journal= {arXiv preprint arXiv:2307.06233},
year = {2023}
}
备注
Published in 2023 IEEE/CVF Winter Conference on Applications of Computer Vision (WACV)