当图像去噪遇见高层视觉任务：一种深度学习方法
计算机视觉与模式识别
2018-04-18 v3
摘要
传统上，图像去噪和高层视觉任务在计算机视觉中是分开处理的。在本文中，我们联合处理这两个任务，并探索它们之间的相互影响。首先，我们提出了一种用于图像去噪的卷积神经网络，达到了 SOTA 性能。其次，我们提出了一种深度神经网络解决方案，它级联了分别用于图像去噪和各种高层任务的两个模块，并使用联合损失仅通过反向传播来更新去噪网络。我们证明，一方面，所提出的去噪器具有通用性，能够克服不同高层视觉任务的性能退化。另一方面，在高层视觉信息的引导下，去噪网络可以生成更具视觉吸引力的结果。据我们所知，这是第一项通过深度学习研究同时利用图像语义有益于图像去噪和高层视觉任务的工作。代码可在 https://github.com/Ding-Liu/DeepDenoising 在线获取。
引用
@article{arxiv.1706.04284,
title = {When Image Denoising Meets High-Level Vision Tasks: A Deep Learning Approach},
author = {Ding Liu and Bihan Wen and Xianming Liu and Zhangyang Wang and Thomas S. Huang},
journal= {arXiv preprint arXiv:1706.04284},
year = {2018}
}
备注
the 27th International Joint Conference on Artificial Intelligence (2018)