移动设备上的实用深度原始图像去噪
图像与视频处理
2020-10-15 v1 计算机视觉与模式识别
摘要
近年来，基于深度学习的图像去噪方法已被广泛研究，并在许多公开基准数据集上占据优势。然而，最先进的网络在计算上过于昂贵，无法直接应用于移动设备。本工作中，我们提出了一种轻量、高效的基于神经网络的原始图像去噪器，可在主流移动设备上流畅运行，并产出高质量去噪结果。我们的关键见解有两点：(1) 通过测量与估计传感器噪声水平，在合成传感器特定数据上训练的更小网络可胜过在通用数据上训练的更大网络；(2) 不同 ISO 设置下的大噪声水平变化可通过一种新颖的 k-Sigma 变换消除，使小网络能高效处理宽范围噪声水平。我们进行了大量实验以证明方法的效率与精度。我们提出的移动友好去噪模型在 Qualcomm Snapdragon 855 芯片组上以每百万像素约 70 毫秒运行，并且是 2019 年发布的若干旗舰智能手机夜景功能的基础。
引用
@article{arxiv.2010.06935,
title = {Practical Deep Raw Image Denoising on Mobile Devices},
author = {Yuzhi Wang and Haibin Huang and Qin Xu and Jiaming Liu and Yiqun Liu and Jue Wang},
journal= {arXiv preprint arXiv:2010.06935},
year = {2020}
}