论文链接：https://arxiv.org/abs/2012.15028 该文提出一种新颖的框架NBNet用于图像降噪，它从新的角度出发设计：通过图像自适应投影进行降噪。具体来说，NBNet通过训练这样的网络进行信号与噪声的分离：在特征空间学习一组重建基；然后，图像降噪可以通过将输入图像映射到特征空间并选择合适的重建基进行噪声重建。

该文的关键洞察在于：投影可以自然的保持输入信号的局部结构信息。这种特性尤其适合于low-light区域/弱纹理区域。为此，作者提出了一种新颖的子空间注意力模块(SubSpace Attention, SSA)显示的进行重建基生成、子空间投影。与此同时，作者进一步将SSA与NBNet(一种UNet改进)相结合进行端到端图像降噪。

该文的主要贡献包含以下几点： 1）从子空间投影角度出发对图像降噪问题进行了分析，设计了一种简单而有效的SSA(即插即用)模块用于学习子空间投影； 2）提出NBNet(UNet与SSA的组合)用于图像降噪； 3）NBNet在多个主流基准数据集上取得了SOTA性能(PSNR与SSIM指标)； 对基于投影的图像降噪问题进行了深入分析并指明这是一个很有价值的方向。

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