关键词single image denoising
搜索结果 - 7
- 真实世界图像的遮蔽和随机化暗点降噪
我们介绍了一种新颖的基于盲点去噪原理的单图像去噪方法,称为 MASH。我们关注相关噪声的情况,该问题常常困扰真实图像。MASH 是一种仔细分析的结果,用于确定输入的盲度级别(遮挡)与(未知)噪声相关性之间的关系。此外,我们引入了一种洗牌技术 - ICCV基于分数先验引导的深度变分推断方法用于无监督的实际场景单图像去噪
通过引入得到易用的最小 MSE 非独立同分布高斯去噪器和变分采样,我们提出了一种得分先验引导的深度变分推理方法 ScoreDVI,用于实际场景的去噪。同时,我们利用非独立同分布高斯混合模型和变分噪声后验建模来适应实际场景噪声,并实现多个图像 - 基于去噪扩散的空间变异噪声去除 (SVNR)
本研究提出了一种新的去噪扩散模型 SVNR,它假定更加现实的空间变异噪声模型,使其能够在噪声输入图像上进行去噪扩散过程,并考虑了条件图像与修改扩散过程样本之间的相关性。实验表明,相对于强扩散模型和单图像去噪方法,我们的方法具有优势。
- 基于得分函数的无监督图像降噪
本文提出了一种更通用的解决方案,利用分数函数的性质,通过求解系统去除单张图像噪音,可应用于多种复杂噪音模型。实验结果表明,与其他方法相比,我们的方法在复杂的噪声模型下表现良好。
- CVPR基于知识蒸馏的单幅图像多重降噪和重建网络
本文提出了一种轻量级的多重退化和重建网络 (MDRN),通过引入两种新颖的异构知识蒸馏策略 (HMDS),使得 MDRN 能够在极端情况下去除噪声并重建高质量的去噪图像,相较于其他单幅图像去噪方法 MDRN 具有更少的参数且更优秀的性能。
- 单图像去噪的多尺度自适应网络
本文提出了一种基于多尺度自适应网络的单张图像去噪方法 (MSANet), 它同时考虑了尺度间的互补性和尺度内部的特征,并提出了自适应特征块 (AFeB), 自适应多尺度块 (AMB) 和自适应融合块 (AFuB) 进行实现,并在多组图片去噪 - CVPR基于物理学的噪声形成模型用于极低光照噪声抑制
提出一种基于 CMOS 光电传感器特性的高精度噪声形成模型,并基于此模型提出了一种用于校准现有数码相机噪声参数的简单复制方法。此模型使神经网络具备了使用丰富真实数据进行训练的能力,并应用于覆盖多个品牌数码相机的新低光噪声数据集中,获得了显著