非锐化掩模引导滤波

本文的目标是引导图像滤波，其通过额外的引导图像强调滤波过程中结构传递的重要性。经典引导滤波器使用手工设计函数传递结构，而近期引导滤波器通过深度网络的参数化学习得到了显著推进。最先进方法利用深度网络估计引导滤波器的两个核心系数。在本工作中，我们主张同时估计两个系数是次优的，会导致光晕伪影和结构不一致。受非锐化掩模（一种仅需单个系数的经典边缘增强技术）启发，我们提出一种新的简化的引导滤波器公式。我们的公式享有来自低通滤波器的滤波先验，并通过估计单个系数实现显式结构传递。基于我们提出的公式，我们引入了一种连续引导滤波网络，其从单一网络提供多种滤波结果，允许在精度与效率间权衡。大量消融实验、对比和分析显示了我们公式与网络的有效性和高效性，在超分辨率、去噪和跨模态滤波等滤波任务上取得了最先进结果。代码见 \url{https://github.com/shizenglin/Unsharp-Mask-Guided-Filtering}。