Physen-Noise2Noise：基于物理引导的自监督低光条件下带偏置校正的景深去模糊
计算机视觉与模式识别
2026-05-26 v1 机器学习
机器学习
摘要
低光、长曝光景深去模糊仍是一个具有挑战性的问题，因为严重的模糊和复杂的偏置噪声同时存在。现有方法通常依赖简化的噪声假设，限制了其在现实成像条件下的有效性。本文提出了Physen-Noise2Noise，这是一个受景深成像物理模型引导的自监督去模糊框架，利用无干净参考图像的噪声多帧观察。不同于传统Noise2Noise方法假设噪声为零均值，本文推导了景深成像过程中固有的频域约束，并通过可学习的噪声偏置参数纳入学习框架。此外，引入了多帧噪声初始化策略，以去除复杂的偏置噪声，为重建提供更稳定的起始点。该表述显式建模偏置噪声，使训练期间能够联合进行偏置校正和高频细节恢复。进一步，我们开发了一种预训练-微调变体，以提高在挑战性噪声条件下的鲁棒性和泛化性。广泛的在模拟和真实世界数据集上的实验表明，所提方法在存在复杂偏置噪声的景深去模糊任务中持续优于当前最先进的自监督方法。
关键词
引用
@article{arxiv.2605.24590,
title = {Physen-Noise2Noise: Physics-Guided Self-Supervised Defocus Deblurring with Bias Correction under Low-Light Conditions},
author = {Ziyan Huang and Lang Wu and Hongji Wang and Yifei Liu and Dongliang Tang and Hongqiao Wang},
journal= {arXiv preprint arXiv:2605.24590},
year = {2026}
}
备注
14 pages