分数先验引导的深度变分推断用于无监督真实世界单图像去噪
计算机视觉与模式识别
2023-08-10 v1
摘要
真实世界单图像去噪在计算机视觉中至关重要且具有实用性。贝叶斯反问题与分数先验相结合已被证明对单图像去噪有效，但仅限于白高斯噪声。此外，将现有基于分数的方法应用于真实世界去噪，不仅需要在目标域上显式训练分数先验，还需精心设计与后验推断相关的采样流程，繁琐且不实用。为应对这些局限，我们提出一种分数先验引导的深度变分推断，即 ScoreDVI，用于实用的真实世界去噪。通过考虑具有高斯形式的深度变分图像后验，分数先验基于易获取的最小 MSE 非独立同分布高斯去噪器与变分样本提取，进而促进变分图像后验的优化。该流程自适应地将廉价的分数先验应用于去噪。此外，我们采用非独立同分布高斯混合模型与变分噪声后验对真实世界噪声建模。该方案还实现了多个图像先验与变分图像后验的逐像素融合。另外，我们开发了噪声感知先验分配策略，在优化中动态调整图像先验的权重。我们的方法优于其他基于单图像的真实世界去噪方法，并取得了与基于数据集的无监督方法相当的性能。
引用
@article{arxiv.2308.04682,
title = {Score Priors Guided Deep Variational Inference for Unsupervised Real-World Single Image Denoising},
author = {Jun Cheng and Tao Liu and Shan Tan},
journal= {arXiv preprint arXiv:2308.04682},
year = {2023}
}
备注
Accepted by ICCV2023