用于真实图像去噪的伪三维自相关网络
-
胡晓婉、马瑞军、刘志宏、蔡元浩、赵晓乐、张玉伦、王浩谦; IEEE/CVF计算机视觉和模式识别会议记录，2021年，第16175-16184页
摘要
图像中自相关的提取在深度学习网络中显示出巨大的潜力，例如通道域的自注意机制和空间域的自相似机制。然而，上述机制的实现大多需要复杂的模块堆叠和大量的卷积计算，这不可避免地增加了模型复杂度和存储成本。因此，我们提出了一种伪三维自相关网络（P3AN），以探索在图像去噪中捕获上下文信息的更有效方法。一方面，P3AN使用快速的1D卷积代替密集的连接来实现交叉交互，这需要较少的计算资源。另一方面，该操作不会更改特征大小，并且易于扩展。这意味着只需要简单的自适应融合就可以获得包括信道域和空间域的上下文信息。我们的方法通过1D卷积构建了一个伪3D自相关注意块，并通过一个轻量级2D结构构建了更具区分性的特征。在三个合成数据集和四个实际噪声数据集上进行了广泛的实验。从定量指标和视觉质量评估来看，P3AN显示出巨大的优势，超过了最先进的图像去噪方法。
相关材料
- [pdf格式]
[围巾]@会议记录{Hu_2021_CVPR，作者={胡、小婉和马、瑞君和刘、志宏和蔡、袁浩和赵、小乐和张、于伦和王、浩谦}，title={用于真实图像去噪的伪三维自相关网络}，booktitle={IEEE/CVF计算机视觉和模式识别（CVPR）会议记录}，月={6月}，年份={2021}，页码={16175-16184}}
