点击上方“小白学视觉”,选择加"星标"或“置顶”
重磅干货,第一时间送达
小白导读
论文是学术研究的精华和未来发展的明灯。小白决心每天为大家带来经典或者最新论文的解读和分享,旨在帮助各位读者快速了解论文内容。个人能力有限,理解难免出现偏差,建议对文章内容感兴趣的读者,一定要下载原文,了解具体内容。
代码链接:https://www.github.com/JWSoh/DUBD
摘要
图像去噪是许多图像处理和计算机视觉任务的重要组成部分,因为在图像采集过程中不可避免的会产生噪声。传统上,许多研究人员在基于图像属性和统计的贝叶斯视角下研究图像先验去噪。近年来,深度卷积神经网络(CNNs)在融合大规模合成数据集的图像去噪方面取得了巨大的成功。然而,它们都有各自的优点和缺点。虽然深度cnn在去除已知统计量的噪声方面很强大,但对于盲目的和现实世界的噪声,它们往往缺乏灵活性和实用性。此外,它们不能轻易地使用显式先验。另一方面,传统的非学习方法可能涉及显式的图像先验,但它们需要大量的计算时间,不能利用大规模的外部数据集。在本文中,作者提出了一种基于cnn的方法,它利用了基于贝叶斯视角的两种方法的优点。具体来说,