论文阅读-CS-PCN: Context-Space Progressive Collaborative Network for Image Denoising

论文阅读-CS-PCN: Context-Space Progressive Collaborative Network for Image Denoising

ICME23

一言以蔽：这篇文章就在MSPNet等多阶段网络上的魔改，堆积木不知所以然，不知道怎么就中了，源码没有，结果也不可信。一开始看效果挺好的想接着做 现在看就是浪费时间

建议：大家以后如果创新点不够了可以学学怎么水，有那么多block组合到一起就是创新点了

---

补充：这篇文章的一作后来水了一篇ACMMM，也是一样不知所以然，建议避雷这作者的工作。

---

---

前言

本文提出一种Context-Space Progressive Collaborative Network (CS-PCN)图像去噪方法，它是一个多阶段的分层架构，由一个上下文挖掘siamese子网络（CM2S）和一个空间合成子网络（3S）组成。CM2S旨在通过顺序连接多层特征处理器（MLFP）进行语义信息预处理，多尺度信息的注意力编码器-解码器（AED）和监督特征融合的多卷积注意力控制器（MCAC）来提取丰富的多尺度上下文信息。3S并行于MLFP和单尺度级联块以学习图像细节，不仅保留上下文信息，而且强调互补的空间信息。

---

方法

理解起来很简单，一个多层网络，每层一个退化输入，每层的输出再给到下一层。每层里面就是一堆block。画的图倒是挺好看的

Context Mining Siamese Subnetwork

文章的核心点，前两层是这个网络，最后是个新网络，实际上也就是几个block换了下位置就变成新subnetwork了。

论文说是Siamese network，在哪呢？看到个词就拿来贴创新点？

Multi-Layer Feature Processor (MLFP)

卷积+attention

Attention Encoder-Decoder (AED)

Unet+attetion

Mult-Conv Attention Controller (MCAC).

Transformer的value多加了一个

loss

无力吐槽了，作者应该把想到的loss都加起来做大杂烩

实验

合成噪声的就不放了，现在也不比较那些设置了。SIDD如下

下面这个图看起来是没有MPRNet好的

总结

这篇论文设计了一种用于图像去噪的上下文空间渐进协同网络（CS-PCN）。它是一个包含三个阶段的去噪模型，拥有两个子网络。这两个子网络分别以串行和并行的方式提取上下文和空间信息。

槽点

1. 深谙水论文，现在出了A会这样水的很多，
2. 多阶段/注意力/unet拿了就用，多一个value也可以是创新点
3. loss随便写，有效果就行，不解释为什么这么做