CVPRDec, 2019

基于预测网络的大核有效爆炸去噪

PDF
TL;DR通过预测一组全局基础核和相应的混合系数 -- 它们特定于个别像素，我们引入了一种新的基础预测网络来表示核，这些图像在时间和空间上显着自相似。相较于输出大量的每像素时空核的现有技术，我们的方法显著降低了网络输出的维度。这使得我们能够有效地利用较大的去噪核，从而获得比现有技术更快的运行时间和显著的质量改进（超过 1dB PSNR）。
burst imagesself-similaritybasis prediction networkmixing coefficientsdenoising kernels
发现论文，激发创造
  • 用于去噪爆炸图像的多核预测网络

    本论文提出了基于深度神经网络的多核预测网络（MKPN）来进行突发图像去噪，通过预测不同大小的核并将这些不同核的融合得到每一个像素的核，可有效提取不同信息实现更好的重建，实验结果表明 MKPN 方法在不同噪声级别的合成数据集上优于现有方法。

    Feb, 2019

  • 核预测网络进行突发噪声去除

    本文提出了一种技术，用于联合去噪从手持相机拍摄的一连串图像。特别地，我们提出了一个卷积神经网络体系结构，用于预测空间变化的核对齐和去噪，一种基于真实噪声形成模型的合成数据生成方法，以及通过一个退火损失函数指导的优化，以避免不良的局部最小值。我们的模型在真实数据和合成数据的宽范围噪声水平上与现有技术相匹配或表现优越。

    Dec, 2017

  • NBNet: 基于噪声基学习和子空间投影的图像去噪

    本文介绍了 NBNet，这是一种新的图像去噪框架，该框架使用图像自适应的投影来减少噪声，并且通过学习一组特征空间中的重构基来区分训练网络，进而使用相应的信号子空间基和投影进行图像去噪和降噪。我们提出的 SSA 非局部子空间注意力模块也得到了验证，并与 UNet 结构的 NBNet 融合，该模型在 SIDD 和 DND 等基准测试上取得了良好的性能。

    Dec, 2020

  • CANDID: 深度爆发图像去噪的对应校准

    本文提出了一种使用光流进行深层爆发图像去噪的方法，通过建立对应关系、预处理和像素级滤波等方式，使其在图像去噪方面实现最先进的结果。

    Jun, 2023

  • 迭代残差 CNN 在连拍摄影应用中的应用

    本文介绍了一种基于迭代卷积网络的低质量图像拍摄技术，该技术利用爆发式拍摄的图像帧进行高质量图像的恢复和去噪，并在爆发式拍摄流程中进行了多项改进，方法展现出稳定的性能，不受帧数、顺序等限制。

    Nov, 2018

  • 深度爆发降噪

    本文研究了在低光照条件下使用 burst-capture 拍摄策略，使用基于循环卷积神经网络的智能集成方式进行多帧图像去噪处理。经实验证明，该方法在图像去噪方面具有最优表现，并且也可以用于图像增强和超分辨率处理。

    Dec, 2017

  • 学习增强极暗图像的暴发摄影

    本文提出了一种新的粗到细的神经网络架构，通过采用多张暗光照片进行融合并利用学习来处理图像，从而在极低光条件下提高图像质量

    Jun, 2020

  • NAN: 适用于爆发去噪的噪声感知神经辐射场

    该研究使用神经辐射场方法处理像素错位和噪声问题来提升拍摄设备的图像质量和降噪能力。

    Apr, 2022

  • 基于像素级内核估计的盲运动去模糊：基于内核预测网络

    基于深度学习的运动模糊估计与非盲解卷积方法的学习式去模糊提供了使用前向退化模型的明确定义规范，同时实现了算法的泛化和可解释性，并通过基于卷积的非均匀运动模糊降级模型进行训练和评估，展示了准确的模糊估计以及优于现有端到端深度学习方法的真实模糊图像恢复效果。

    Aug, 2023

  • 基分解的随机条件生成网络

    本文介绍了 BasisGAN，一个基于随机条件的多模式图像生成器，该生成器通过采样基元素而不是滤波器来大大降低建模参数空间的成本，并在图像多样性和保真度上没有牺牲，同时证明了这种采样如何影响所生成图像的外观。

    Sep, 2019