以随机频率掩蔽改进超分辨率与去噪网络
图像与视频处理
2020-07-24 v3 计算机视觉与模式识别
摘要
超分辨率与去噪是病态但基础的图像复原任务。在盲设定下,退化核或噪声水平未知。这使得复原更具挑战性,尤其对基于学习的方法,因为它们倾向于过拟合训练时见到的退化。我们在频域对超分辨率中的退化核过拟合进行了分析,并引入了延伸至超分辨率与去噪的条件学习视角。基于我们的公式,我们提出在训练中对图像进行随机频率掩蔽,以正则化网络并解决过拟合问题。我们的技术在采用不同合成核的盲超分辨率、真实超分辨率、盲高斯去噪及真实图像去噪上改进了当前最优(state-of-the-art)方法。
引用
@article{arxiv.2003.07119,
title = {Stochastic Frequency Masking to Improve Super-Resolution and Denoising Networks},
author = {Majed El Helou and Ruofan Zhou and Sabine Süsstrunk},
journal= {arXiv preprint arXiv:2003.07119},
year = {2020}
}
备注
ECCV 2020. Project page: https://github.com/majedelhelou/SFM