利用混合专家网络修复空间异质失真
计算机视觉与模式识别
2020-10-01 v1
摘要
近年来，基于深度学习的方法已成功应用于图像失真修复任务。然而，仅假设单一失真的场景可能并不适合许多真实世界应用。为处理此类情况，一些研究提出了顺序组合失真的数据集。从组合的另一视角出发，我们引入了一种空间异质失真数据集，其中多种损坏被施加到每幅图像的不同位置。此外，我们还提出了一种混合专家网络，以有效修复多失真图像。受多任务学习启发，我们将网络设计为具有多条路径，以学习公共表示与失真特定表示。我们的模型对修复真实世界失真十分有效，并通过实验验证我们的方法优于其他为处理单失真与多失真而设计的模型。
引用
@article{arxiv.2009.14563,
title = {Restoring Spatially-Heterogeneous Distortions using Mixture of Experts Network},
author = {Sijin Kim and Namhyuk Ahn and Kyung-Ah Sohn},
journal= {arXiv preprint arXiv:2009.14563},
year = {2020}
}