从复原中复原：基于伪干净视频的视频复原

在本研究中，我们提出了一种称为“从复原中复原（restore-from-restored）”的自监督视频去噪方法。该方法在测试阶段通过使用伪干净视频微调预训练网络。伪干净视频通过将噪声视频输入基线网络获得。采用全卷积神经网络（FCN）作为基线，由于 FCN 的平移等变性，我们无需精确的光流估计与配准步骤即可提升视频去噪性能，这与许多传统视频复原方法不同。具体而言，所提方法可利用跨多个连续帧中存在的丰富相似块（即块复现）；这些块能大幅增强基线网络的性能。我们用所提基于自监督的学习算法分析了微调后视频去噪网络的复原性能，并证明 FCN 能够利用复现块而无需相邻帧间的精确配准。在实验中，我们将所提方法应用于最先进（SOTA）的去噪器，结果表明我们微调后的网络在去噪性能上取得了可观的提升。