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