Blind Image Restoration with Flow Based Priors

论文链接：http://xxx.itp.ac.cn/abs/2009.04583

Image Restoration 新网络！据作者称，这是第一次探索使用标准化流(Normalizing Flow) 来建模目标内容的分布，并将其用作最大后验(MAP)公式中的先验，作者单位：苏黎世联邦理工学院（ETH Zurich）

近年来，由于深度神经网络的发展，图像恢复取得了长足的进步。这些现有技术中的大多数都在适当的图像对的全面监督下接受训练，以解决特定的退化问题。然而，在具有未知退化的盲环境中，这是不可能的，并且良好的先验仍然至关重要。近来，已经提出了基于神经网络的方法来通过利用去噪自动编码器或由神经网络结构本身捕获的隐式正则化来对这种先验建模。与此相反，我们提出使用归一化流来建模目标内容的分布，并将其用作最大后验（MAP）公式中的先验。通过学习的双射映射来表达潜在空间中的MAP优化过程，我们能够通过梯度下降获得解。据我们所知，这是探索图像增强问题中的先验归一化流程的第一项工作。此外，我们提供了针对复杂度各异的数据集的许多不同退化的实验结果，并与深度图像先验方法进行比较时显示出竞争性结果。

内容中包含的图片若涉及版权问题，请及时与我们联系删除