用于含噪图像去水印的感知自监督学习网络
计算机视觉与模式识别
2024-03-05 v1
摘要
流行方法通常以监督方式使用退化模型来学习去水印模型。然而，在现实世界中参考图像确实难以获取，且相机采集的图像会受到噪声影响。为克服这些缺陷，本文提出一种用于含噪图像去水印的感知自监督学习网络 (PSLNet)。PSLNet 依赖并行网络去除噪声与水印。上层网络采用任务分解思想依次去除噪声与水印。下层网络利用退化模型思想同时去除噪声与水印。具体而言，所提及的成对水印图像以自监督方式获取，而成对含噪图像（即含噪图像与参考图像）以监督方式获取。为增强所获图像的清晰度，通过两个子网络交互并融合所获干净图像，从结构信息与像素增强两方面改善图像去水印效果。考虑到纹理信息，混合损失利用所获图像与特征，实现鲁棒的含噪图像去水印模型。综合实验表明，与流行的卷积神经网络 (CNNs) 相比，本文所提方法在含噪图像去水印方面非常有效。代码可在 https://github.com/hellloxiaotian/PSLNet 获取。
引用
@article{arxiv.2403.02211,
title = {Perceptive self-supervised learning network for noisy image watermark removal},
author = {Chunwei Tian and Menghua Zheng and Bo Li and Yanning Zhang and Shichao Zhang and David Zhang},
journal= {arXiv preprint arXiv:2403.02211},
year = {2024}
}