SwinIA：无卷积的自监督盲点图像去噪
计算机视觉与模式识别
2024-12-31 v2
摘要
自监督图像去噪意味着在无法获得真实值的情况下从噪声图像中恢复信号。该任务的最先进解决方案依赖于用全卷积神经网络预测被掩蔽的像素。这通常需要多次前向传播、关于噪声模型的信息或复杂的正则化函数。在本文中，我们提出了一种基于 Swin Transformer 的图像自编码器(SwinIA)，这是首个用于自监督去噪的全 Transformer 架构。注意力机制的灵活性有助于实现卷积对应方法通常只能近似的盲点特性。SwinIA 可以使用简单的均方误差损失端到端训练而无需掩蔽，且不需要关于干净数据或噪声分布的任何先验知识。SwinIA 使用简单，在多个常用基准上确立了最先进水平。
引用
@article{arxiv.2305.05651,
title = {SwinIA: Self-Supervised Blind-Spot Image Denoising without Convolutions},
author = {Mikhail Papkov and Pavel Chizhov and Leopold Parts},
journal= {arXiv preprint arXiv:2305.05651},
year = {2024}
}