通过循环使用多分支网络修复具有未知退化因子的图像
计算机视觉与模式识别
2020-01-22 v2
摘要
卷积神经网络的应用已在多种退化因子下的图像修复任务中取得前所未有的性能。然而，高性能网络都是专门针对单一退化因子设计的。本文处理一个更困难的问题：在退化因子未知但属于已知因子之一的条件下，从退化图像恢复干净图像。为此，我们设计了一个具有多对输入与输出分支的网络，并以循环方式使用它，使得每条循环路径采用不同的分支对。我们以增强的组件强化网络的共享部分，使其能处理不同退化因子。我们还提出了一种两步训练方法，由多任务学习与微调组成。实验结果表明，在四种退化因子上，所提网络的性能至少与各自最佳专用网络相当，有时甚至更优。我们还在更困难的任务上测试了它：输入图像包含以未知混合比例混合的多种退化因子，结果显示其优于此前为该任务设计的最优方法。
引用
@article{arxiv.1907.04508,
title = {Restoring Images with Unknown Degradation Factors by Recurrent Use of a Multi-branch Network},
author = {Xing Liu and Masanori Suganuma and Xiyang Luo and Takayuki Okatani},
journal= {arXiv preprint arXiv:1907.04508},
year = {2020}
}