image denoising | BriefGPT - AI 论文速递

关键词image denoising

搜索结果 - 151

探索自监督图像去噪与变性
本文通过理论分析和数值实验深入分析了使用变性数据的自监督降噪算法，讨论了该算法在优化问题的种群风险上找到期望解的同时，经验风险的保证则取决于变性水平对降噪任务的难度。实验结果表明，使用变性图像进行训练的算法起作用，并且经验性能与理论结果相一
PDF2 months ago
去噪：从传统方法到深度卷积神经网络
该论文探讨图像去噪的演变过程，从傅里叶分析和小波基础方法到神经网络，尤其是 U-Net 的出现。神经网络在 2010 年代的研究中展现出卓越的性能，适用于各种图像类型，包括具有固定规律性、人脸图像和卧室场景，以及对几何适应性调和基础有偏好的
PDF2 months ago
NIR 辅助图像去噪：一种选择性融合方法与真实世界基准数据集
通过有效利用近红外图像辅助可见光图像去噪，提出了一种选择性融合模块（SFM）来解决近红外 - 可见光图像去噪的内容不一致和数据稀缺等问题，并通过综合全局和局部调节的方式实现了两种特征的融合。实验结果表明，该方法在合成和真实数据集上均取得了优
PDF3 months ago
CVPR基于 Transfer CLIP 的通用图像去噪
本文提出了一种利用 CLIP 模型来提高图像去噪的对称编码器 - 解码器网络，并通过渐进特征增强策略来改善解码器的鲁棒性，实验证明该方法具有优越的泛化能力。
PDF3 months ago
IIDM：语义图像合成的图像到图像扩散模型
本文提出了一种基于图像扩散模型的语义图像合成方法，通过引入随机噪声和逐渐去噪的方式，以分割掩模为指导生成高质量图像，并进一步通过细化、颜色转移和模型集成等技术提高合成质量。大量实验证明本方法在性能上明显超越了现有的最先进方法。
PDF3 months ago
3D 脑 MRI 联合图像去噪与运动伪影校正的迭代学习
提出了一种通过迭代学习处理带有运动伪影的噪声 MRI 的联合图像去噪和伪影校正框架，包括自适应去噪模型和抗伪影模型，并在公共数据集和临床研究中得到了实验证明其在去噪和运动伪影校正两个任务中的有效性。
PDF4 months ago
CVPR冻结大型语言模型在视觉信号理解中的应用
我们研究了大型语言模型（LLM）在没有对多模态数据集进行微调的情况下，直接理解视觉信号的潜力。我们提出了一种视觉到语言的分词器（V2T Tokenizer），通过编码器 - 解码器、LLM 词汇表和 CLIP 模型将图像转换成 “外语”。通
PDF4 months ago
关于监督和无监督去噪方法的标准化等变性特性研究
图像去噪是图像处理中最古老且最活跃的研究领域之一。本文提出了一项关于图像去噪的监督学习和无监督学习方法的综述，分类和详细介绍了这一演化过程的主要原则，特别关注最近在监督学习领域的发展。同时，着重考虑了文献中最有效方法的原理和局限性，并突出了
PDF4 months ago
基于绿色通道先验的彩色图像去噪
RGB 空间中的噪声去除仍然是一个具有挑战性的任务，因为现实世界图像的噪声统计数据在红、绿和蓝通道上可能存在差异。本文提出了一种简单有效的基于绿色通道优先（GCP）的图像去噪方法，目的是在 sRGB 空间中利用 GCP 将其集成到经典的非本
PDF5 months ago
低剂量 CT 图像去噪的泊松流一致性模型
提出了一种结合了 Poisson 流一致性模型（PFCM）的后采样 Poisson 流一致性模型（PS-PFCM）的图像去噪技术，该方法能够在低剂量 CT 图像上优于当前的最优扩散样式模型，并在 CIFAR-10 数据集上提供了初步结果。
PDF5 months ago
预训练掩码模型实现全能零样本降噪器
基于其中提出的 Masked Pre-train then Iterative fill (MPI) 方法，该研究在图像去噪方面取得了显著的进展，能够在有限迭代次数内高质量地去噪，同时大幅减少推理时间。
PDF5 months ago
图像去噪的两阶段渐进式残差稠密注意力网络
设计了一种新的两阶段渐进残差密集注意力网络（TSP-RDANet）进行图像去噪，通过两个子任务逐步去除噪声，其中使用残差密集注意力模块（RDAM）和混合扩张残差密集注意力模块（HDRDAM）来设计两个基于注意力机制的去噪网络，以增强去噪效果
PDF6 months ago
PPFM: 单步后验采样泊松流生成模型在光子计数 CT 图像去噪中的应用
Poisson flow generative models (PPFM) for low-dose CT image denoising outperforms diffusion models with a significantly
PDF7 months ago
回归基础：快速降噪迭代算法
Back to Basics (BTB) 是一种快速迭代算法，可用于噪声降低。该方法在计算上高效，不需要训练或基准数据，并可在存在独立噪声和相关（相干）噪声的情况下应用，噪声水平未知。我们考察了自然图像去噪、泊松分布图像去噪和光学相干层析成
PDF8 months ago
LuminanceL1Loss：一种测量感知亮度和颜色差异的损失函数
我们介绍了一种新的损失函数 LuminanceL1Loss，旨在增强图像恢复任务的性能。通过将图像转换为灰度图像并计算灰度和彩色通道的均方误差损失，我们证明了它在 Retinexformer、BUIFD 和 DnCNN 架构中的优越性。实验
PDF8 months ago
基于深度学习技术的热感人脸图像分类
这篇论文提出了一个实用的深度学习方法，用于热像分类，该方法利用卷积神经网络（CNN）架构（特别是 ResNet-50 和 VGGNet-19）从热像中提取特征，并在热输入图像上应用卡尔曼滤波进行图像去噪，实验结果证明了该方法在准确性和效率方
PDF8 months ago
一个用于图像去噪的交叉变压器
通过交互作用和残差块，在复杂场景下提取干净图像所需的有效结构信息，我们提出了一个串行块、并行块和残差块的交叉 Transformer 去噪卷积神经网络（CTNet）。经实验证明，CTNet 在真实和合成图像去噪方面优于一些流行的方法，适用于
PDF9 months ago
无监督结构噪声去除的变分有损自编码器
本研究介绍了一种基于深度学习的无监督降噪方法，能够移除图像中的信号相关噪声和轴向相关噪声，无需干净图像或噪声模型作为输入，实验结果表明该方法优于现有的自监督和无监督图像降噪方法。
PDF9 months ago
基于 JPEG 信息规范化的深度图像先验去噪
图像去噪是计算机视觉领域中代表性的图像恢复任务。最近关于只使用噪声图像进行图像去噪的研究引起了广泛关注。深度图像先验 (DIP) 通过卷积神经网络结构的归纳偏置实现了成功的只使用噪声图像进行图像去噪，而无需任何预训练。DIP 图像去噪的主要
PDF9 months ago
图像去噪：基于样式解缠的方法
通过提取噪音图片和清晰图片的噪音样式和无噪音样式，并利用低响应噪音特征和高响应内容特征的特征空间，从而分离干净内容和噪音，实现像素级属性编辑的图像去噪方法。在合成噪音去除和真实世界图像去噪数据集（SIDD 和 DND）上的广泛实验证明了该方
PDF9 months ago