零样态跨频一致性快速真实图像去噪：ZSCFC 方法
计算机视觉与模式识别
2025-10-15 v1
摘要
零样态去噪器解决深度学习去噪器的数据依赖问题，使其能够对未见过的单张图像进行去噪。然而，现有的零样态方法存在训练时间长且依赖噪声独立性和零均值假设的局限，这限制了其在噪声特征更为复杂的真实场景中的有效性。本文提出一种高效且有效的真实世界去噪方法，称为基于跨频一致性的零样态去噪器（ZSCFC），其能够仅使用一张噪声图像完成训练和去噪，且不依赖于噪声分布的假设。具体而言，图像纹理在不同频率带之间表现出位置相似性和内容一致性，而噪声则不然。基于这一属性，我们开发了跨频一致性损失和一个超轻量级网络，以实现图像去噪。在 various 真实世界图像数据集上的实验表明，我们的 ZSCFC 在计算效率和去噪性能方面均优于其他最先进的零样态方法。
引用
@article{arxiv.2510.12646,
title = {Zero-Shot CFC: Fast Real-World Image Denoising based on Cross-Frequency Consistency},
author = {Yanlin Jiang and Yuchen Liu and Mingren Liu},
journal= {arXiv preprint arXiv:2510.12646},
year = {2025}
}
备注
The British Machine Vision Conference