旷世在NTIRE 2019一项Raw Image Denoising的论文,比赛中取得了第一名,排名如下图。论文:论文链接
一、背景
图像降噪是计算机视觉低层问题,以前都是用传统的方法比如NLM、BM3D,慢慢又开始基于CNN做降噪比如DNcnn、FFDnet等。从降噪数据来分,大概有raw image降噪,real image降噪,sRGB image降噪等等。其中raw图像的噪声最简单,从raw到RGB会经过一系列处理,比如伽马矫正,白平衡,解码等等,简单的噪声分布在一系列处理中也发生了复杂的变化。近几年,开始有一些raw相关的数据集被拿出来用于比赛。(不扯了,直接看下面内容吧,关于图像降噪相关的知识和近期比较好的论文,我慢慢分享。Bayer patterns介绍。通过每个2x2块中的通道序列表示每个模式,按左上角、右上角、左下角和右下角的顺序排列。通常,有4种可能的格式,即RGGB、BGGR、GRBG和GBRG。论文中使用BGGR作为最终模型的输入格式。
二、主要内容
论文比较简短(八页