基于多引导双边学习的超高清晰度图像去噪
-
郑卓然、任文琪、曹晓春、胡晓斌、王涛、宋凤龙、贾秀仪; IEEE/CVF计算机视觉和模式识别会议记录，2021年，第16185-16194页
摘要
在过去几年中，卷积神经网络（CNN）在单图像去噪任务中取得了显著的成功。不幸的是，大多数现有的深度去叠模型具有较高的计算复杂性，这阻碍了它们在高分辨率图像中的应用，尤其是在UHD（超高清）或4K分辨率图像中。为了解决这个问题，我们提出了一种新的网络，能够在单个GPU上实时对4K图像进行去叠，该网络由三个深度CNN组成。第一个CNN以模糊输入的降低分辨率提取与模糊相关的特征，然后在双边空间中拟合局部仿射模型。另一个CNN用于学习与学习的双边模型相对应的多个全分辨率制导图。因此，可以通过多导双向上采样来重建高频特征图。最后，第三家美国有线电视新闻网将高质量的特征地图融合成一张去模糊的图像。此外，我们创建了一个大规模的4K图像去雾数据集，以支持对比模型的训练和测试。实验结果表明，该算法在各种基准上都能很好地对抗最新的去叠方法。
相关材料
- [pdf格式]
[围巾]@会议记录{Zheng_2021_CVPR，author={郑、卓然和任、文琦和曹、晓春和胡、晓斌和王、陶和宋、冯龙和贾秀怡}，title={通过多指导双边学习进行超高清图像去噪}，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={16185-16194}}
