SUMD：用于图像去噪的超 U 形矩阵分解卷积神经网络
计算机视觉与模式识别
2022-04-12 v1 人工智能
摘要
在本文中，我们提出了一种新颖高效的基于 CNN 的框架，利用局部与全局上下文信息进行图像去噪。由于卷积本身的局限性，基于 CNN 的方法通常无法构建有效且结构化的全局特征表示，即基于 Transformer 的方法中通常所称的远距离依赖。为解决这个问题，我们在网络中引入矩阵分解模块（MD）以建立全局上下文特征，其性能可与基于 Transformer 的方法相媲美。受 U 形架构多阶段渐进恢复设计的启发，我们进一步将 MD 模块集成到多分支中，以获取当前阶段块范围的相对全局特征表示。随后，阶段输入逐步上升至整体范围并持续改进最终特征。在多种图像去噪数据集：SIDD、DND 以及合成高斯噪声数据集上的实验结果表明，我们的模型（SUMD）能够产生与基于 Transformer 的方法相当的视觉质量与精度结果。
引用
@article{arxiv.2204.04861,
title = {SUMD: Super U-shaped Matrix Decomposition Convolutional neural network for Image denoising},
author = {QiFan Li},
journal= {arXiv preprint arXiv:2204.04861},
year = {2022}
}