FC3DNet: A Fully Connected Encoder-Decoder for Efficient Demoir'eing

当拍摄屏幕时，经常会出现Moiré图案。相机设备通常具有有限的硬件性能，但可以拍摄高分辨率的照片。然而，用户对照片处理时间很敏感，这提出了一个几乎没有考虑到的效率挑战，即去莫尔纹方法的效率。为了平衡网络速度和结果质量，我们提出了一种基于全连接编码器-解码器的去莫尔纹网络（FC3DNet）。FC3DNet在解码器的每个阶段利用多个尺度的特征进行综合信息提取，这些特征包含长距离模式和各种局部莫尔纹样式，这两个方面在去莫尔纹中都是至关重要的。此外，为了充分利用多个特征，我们设计了一个多特征多注意力融合（MFMAF）模块，以权衡每个特征的重要性并压缩它们以提高效率。这些设计使我们的网络能够在仅使用部分参数、FLOPs和运行时间的情况下，在真实世界数据集中实现与最先进方法相当的性能。

本论文旨在解决拍摄屏幕时出现的Moiré图案问题，即如何高效地去除Moiré图案，同时保证网络速度和结果质量的平衡。

本论文提出了一种基于全连接编码器-解码器的去Moiré网络（FC3DNet），利用多尺度特征来获取全面的信息，包括长程模式和各种局部Moiré样式，同时设计了多特征多注意力融合（MFMAF）模块，权衡每个特征的重要性并压缩它们以提高效率。

本论文的实验表明，FC3DNet在真实数据集上的表现与最先进的方法相当，但使用的参数，FLOPs和运行时间仅为其一部分。此外，论文还开源了代码。

在这个领域中，最近的相关研究包括：Deep Moiré Removal with Dynamic Noise Level Learning，Learning to Remove Moiré Patterns with Discrete Fourier Decomposition，以及Deep Video Demoiréing with Modulated Convolutional Networks等。