Abstract
图像去噪的目标:生成符合人类感知先验、平衡锐度和平滑度的干净样本
问题:深度学习图像去噪模型要想针对不同噪声强度调整去噪强度,需要改网络推理过程,无法实时交互。
本文解决思路:提出 RCD ,一次推理,可交互的实时的修改去噪等级
创新点:1、模型最后一层改为输出多个噪声图的轻量级模块。2、提出噪声去相关步骤
。①增强噪声特征映射的正交性;②通过噪声图插值控制噪声level(?
1、Introduction
PSNR、SSIM的提升不一定带来视觉质量的提升。
现有生成continuous重建效果的方法,缺点是:缺少可解释性;变一个参数重新训练一个模型,低效;真实世界采集明显退化的图困难;
实时可控的去噪方法:对噪声样本处理获得初步结果后可根据去噪强度、人的主观感知
进行微调
传统控制去噪:依赖于控制网络
RCD:产生不同强度的 editable noises
方法可参考性不强,暂时就了解到这儿。