LG AI研究院 | 重新思考用于去噪的深度图像先验（ICCV2021）

论文标题： Rethinking Deep Image Prior for Denoising 

论文链接：https://arxiv.org/abs/2108.12841

代码链接：https://github.com/gistvision/DIP-denosing

作者单位：LG AI研究院 & 首尔大学

深度图像先验 (DIP) 可作为各种逆问题的良好归纳偏置。 其中，由于噪声符合提前停止的要求，因此众所周知，去噪对于 DIP 尤其具有挑战性。 为了解决这个问题，我们首先通过有效自由度 (DF) 的概念来分析 DIP 以监控优化过程，并在拟合噪声之前提出一个有原则的停止标准，而无需访问高斯噪声的成对groud truth图像。 我们还提出了“随机时间集成（STE）”方法，用于结合技术以进一步提高 DIP 的去噪性能。 我们还将我们的方法扩展到泊松噪声。 我们的经验验证表明，给定单个噪声图像，我们的方法在保留丰富的文本细节的同时对图像进行去噪。 此外，我们的方法在七个不同数据集上以可比的 PSNR 和 SSIM 显着优于 LPIPS 中的现有技术。

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