Invertible Denoising Network: A Light Solution for Real Noise Removal
2021 cvpr的一篇去噪文章
与传统CNN相比,可逆网络:更轻便,适合小设备,information-lossless(信息无损失),save memory
论文地址:
CVPR 2021 Open Access Repository
原理:
利用可逆网络把noisy image分成low-resolution(LR)和high-frequency(HF)部分,因为可逆网络是无损的,所以如果LR部分与clean image的LR相同,那么噪声只在HF中存在,HF中就有可用信息和噪声,但是从HF中分离噪声又是很困难的,所以直接把HF舍弃,用代替HF,然后与LR部分一起重构clean image。
怎么让LR部分与clean image的LR部分相同呢,就有了下面的损失函数
y是噪声图像input,x就是clean image,LR就表示他的low-resolution。m范数可以是1或者2范数。X_LR通过双三次变换得到。
这个g其实就是可逆网络,y输入进去就可以得到y的LR部分和HF。既然是重构clean image,就需要一个反向过程backward pass,也就是g的逆,他的input就是y的LR部分和刚才说的代替HF的z_HF,然后他也要与clean image相似才行,也就得到了反向过程的损失函数
M,N都是像素的个数 。利用这两个损失函数来知道训练可逆网络。
网络结构:
前向过程,第一列是input,最后一列是output,反向过程就反过来,中间部分都是可逆网络g,含有两个Downscale block,每个Down Scale block含有8个Invertible block。
可逆网络利用与CNN不同的特征提取方法,因为带padding的卷积层是不可逆的,在这里用的是可逆离散小波变换,Haar wavelet transformation,增加特征通道,降采样。维度减少一半,变成4倍通道,其中,1/4是low-frequency,3/4是HF特征。
文中还提到了一个Monte Carlo self Ensemble,多次采样,然后对每个z_HF都backward求clean image,最后平均,去噪效果有所提升。
论文代码:
https://github.com/Yang-Liu1082/InvDN.git
Invertible Denoising Network: A Light Solution for Real Noise Removal相关推荐
- 《Invertible Denoising Network: A Light Solution for Real Noise Removal 》论文阅读
摘要 可逆网络在图像去噪方面有各种各样的好处,因为它们是轻量级的,信息无损的,并且在反向传播过程中节省内存.然而,应用可逆模型去噪具有挑战性,因为输入是有噪声的,而反向输出是干净的,遵循两种不同的分布 ...
- 【论文阅读笔记】Pyramid Real Image Denoising Network
论文简介 本文是19年的论文,网络名为PRIDNet.代码地址为https://github.com/491506870/PRIDNet.在1080ti上,PRIDNet处理512x512图像需要 ...
- RePCD-Net: Feature-Aware Recurrent Point Cloud Denoising Network (ijcv 22)
RePCD-Net: Feature-Aware Recurrent Point Cloud Denoising Network 论文原文 Motivation 局部邻域的大小对去噪性能有显著影响:大 ...
- Attention-based Multi-Level Fusion Network for Light Field Depth Estimation
这篇论文主要是提出了分支内融合和分支间融合,分支内融合以中心视图为界,注意力有两个值,分支间融合注意力有4个值,每个分支有一个值.每个方向有不同值,每个方向有不同的遮挡情况,这里的话相当是8个方向. ...
- 【飞桨论文复现挑战赛(第七期)】InvDN:基于可逆网络的真实噪声去除
InvDN Invertible Denoising Network: A Light Solution for Real Noise Removal (CVPR 2021) 论文复现 官方源码:ht ...
- 苹果长截图无缝_苹果正在努力实现无缝体验
苹果长截图无缝 Back in 2014, Apple teased a new programming language, two updated operating systems, and do ...
- 基于可逆神经网络的图像隐藏技术 (ICCV 2021) - HiNet: Deep Image Hiding by Invertible Network
HiNet: Deep Image Hiding by Invertible Network [pdf] [github] Figure 1. The illustration of differen ...
- 《Densely Connected Hierarchical Network for Image Denoising》阅读笔记
一.论文 <Densely Connected Hierarchical Network for Image Denoising> 近年来,深度卷积神经网络已应用于众多图像处理研究中,并且 ...
- MLF-IOSC Multi-Level Fusion Network with Independent Operation Search Cell for Low-Dose CT Denoising
MLF-IOSC:用于低剂量CT去噪的具有独立操作搜索单元的多级融合网络 论文地址:https://ieeexplore.ieee.org/document/9963565/ 项目地址:https:/ ...
最新文章
- 基于 Unity 中的 NGUI 插件,通用的 UI 如何设计
- 【Linux导论】Linux引导流程(The Boot Process)
- Quick Emacs
- java做抽奖小程序_基于JavaScript实现简单的随机抽奖小程序
- [微信小程序]swiper保持宽高比
- java加密不可逆,32位不可逆加密算法Java实现
- stata软件meta分析模块安装教程
- 360p2刷无线打印服务器,【联网版】360路由器P2刷tomato固件小白教程
- 设计模式——备份模式
- imx6 android gadget,imx6q安卓启动失败显示Suspending console(s)(已解决)
- Android 12.0 导航栏Icon图标大小修改
- Jenkins不能正常trigger
- MOOC 苏小红C语言 第四周编程题
- 更高效的记录方式,讯飞智能录音笔体验出色
- python合并excel的多个sheet
- 融360叶大清:互联网金融创新之路
- matlab中求立方根,matlab实现求复数立方根的函数代码怎么写
- python中类与对象之间的关系_python类与类之间的关系
- 世界上鲜为人知的100件事
- jQuery 表单数据序列化为json格式
热门文章
- 【STL】push 和 emplace区别
- laradock、phpstrom、xdebug配置实现断点调试
- 节能改造:空调系统节能改造方案及效果分析
- 重构碎片化知识_《碎片化与重构》之如何整合知识碎片
- Day5_HTML+CSS+JS——RGB三原色
- 【多线程】采用Callable接口创建线程
- 孙玄谈:微服务架构何去何从?
- Vue-Router前端路由的两种模式、区别、原理?
- 基于网格搜索优化支持向量机的负荷预测方法
- 用python输入圆的半径、输出圆的周长_Python基础题练习(输入圆的半径计算周长面积,判断年份是否是闰年)...