基于扩散模型的真实噪声合成
计算机视觉与模式识别
2025-01-03 v4 图像与视频处理
摘要
深度去噪模型需要大量的真实世界训练数据，而这些数据难以获取。当前的噪声合成技术难以准确建模复杂的噪声分布。我们提出了一种新颖的真实噪声合成扩散器（Realistic Noise Synthesis Diffusor, RNSD）方法，利用扩散模型来解决这些挑战。通过将相机设置编码为时间感知的相机条件仿射调制（TCCAM），RNSD 在各种相机条件下生成更真实的噪声分布。此外，RNSD 集成了多尺度内容感知模块（MCAM），能够生成具有跨多个频率空间相关性的结构化噪声。我们还引入了深度图像先验采样（DIPS），一种基于深度图像先验的可学习采样序列，在保持合成噪声高质量的同时显著加速采样过程。大量实验表明，我们的 RNSD 方法在多个指标上合成真实噪声以及提升图像去噪性能方面显著优于现有技术。
引用
@article{arxiv.2305.14022,
title = {Realistic Noise Synthesis with Diffusion Models},
author = {Qi Wu and Mingyan Han and Ting Jiang and Chengzhi Jiang and Jinting Luo and Man Jiang and Haoqiang Fan and Shuaicheng Liu},
journal= {arXiv preprint arXiv:2305.14022},
year = {2025}
}
备注
Accepted by AAAI25