RCD_Real-time Controllable Denoising for Image and Video_CVPR2023

本文介绍了一种新的实时可控图像去噪模型RCD,通过设计轻量级模块和噪声去相关步骤,实现在一次推理中根据噪声强度灵活调整去噪等级,提高视觉质量和交互性。与传统方法相比,RCD具有更高的效率和可解释性,但传统控制去噪方法的可参考性还有待加强。
摘要由CSDN通过智能技术生成

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;

在这里插入图片描述
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

在这里插入图片描述传统控制去噪: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。

  • 6
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值