深度图像复原与增强中的先验：综述
计算机视觉与模式识别
2023-07-27 v2 人工智能
多媒体
摘要
图像复原与增强是通过去除噪声、模糊和分辨率退化等退化因素来改善图像质量的过程。深度学习（DL）近来已被应用于图像复原与增强。由于其病态性，大量工作探索了利用先验来促进深度神经网络（DNNs）的训练。然而，迄今为止学界尚未对先验的重要性进行系统的研究与分析。因此，本文作为首项研究，全面概述了深度图像复原与增强中先验的最新进展。我们的工作涵盖五方面主要内容：（1）对深度图像复原与增强中先验的理论分析；（2）对基于 DL 的方法中常用先验的层次化与结构化分类；（3）针对各先验的原理、潜力与应用展开的深入讨论；（4）通过强调潜在未来方向（尤其是采用大规模基础模型作为先验）来总结关键问题，以激发学界更多研究；（5）一个开源代码库，提供所有提及工作的分类与代码链接。
引用
@article{arxiv.2206.02070,
title = {Priors in Deep Image Restoration and Enhancement: A Survey},
author = {Yunfan Lu and Yiqi Lin and Hao Wu and Yunhao Luo and Xu Zheng and Hui Xiong and Lin Wang},
journal= {arXiv preprint arXiv:2206.02070},
year = {2023}
}
备注
Preprint. Under review