论文标题：NBNet: Noise Basis Learning for Image Denoising with Subspace Projection 论文链接：https://arxiv.org/abs/2012.15028 作者单位：旷视, 快手, 电子科技大学(刘帅成团队) 本文提出一种图像去噪新方法，其从一种新的角度(子空间投影)对去噪问题进行了分析，并提出一种子空间注意力模块，表现SOTA！性能优于MIRNet、DANet和VDN等网络。

在本文中，我们介绍了NBNet，这是一种用于图像去噪的新颖框架。与以前的作品不同，我们提出从新的角度解决这一难题：通过图像自适应投影来降低噪声。具体来说，我们提出通过学习特征空间中的一组重建基础来训练可以分离信号和噪声的网络。随后，可以通过选择信号子空间的相应基础并将输入投影到这种空间中来实现图像去噪。我们的主要insight在于，投影可以自然地保持输入信号的局部结构，尤其是在光线较弱或纹理较弱的区域。为此，我们提出了SSA，这是一个on-local subspace attention模块，专门设计用于学习基础生成以及子空间投影。我们进一步将SSA与NBNet结合在一起，NBNet是为端到端图像去噪设计的UNet结构化网络。我们对包括SIDD和DND在内的基准进行评估，并且NBNet在PSNR和SSIM上实现了最先进的性能，而计算成本却大大降低了。

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