論文の概要: LG-BPN: Local and Global Blind-Patch Network for Self-Supervised Real-World Denoising

• arxiv url: http://arxiv.org/abs/2304.00534v1
• Date: Sun, 2 Apr 2023 13:32:16 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-04 17:30:40.883773
• Title: LG-BPN: Local and Global Blind-Patch Network for Self-Supervised Real-World Denoising
• Title（参考訳）: LG-BPN: ローカル・グローバルブラインドパッチネットワーク
• Authors: Zichun Wang, Ying Fu, Ji Liu, Yulun Zhang
• Abstract要約: 本稿では,LG-BPN(LG-BPN)という新しい手法を提案する。 局所的な詳細復元のために,空間相関統計をネットワーク設計に適用する。 実世界のデータセットの結果は,本手法の優れた性能を示す。
• 参考スコア（独自算出の注目度）: 40.13385527601307
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Despite the significant results on synthetic noise under simplified assumptions, most self-supervised denoising methods fail under real noise due to the strong spatial noise correlation, including the advanced self-supervised blind-spot networks (BSNs). For recent methods targeting real-world denoising, they either suffer from ignoring this spatial correlation, or are limited by the destruction of fine textures for under-considering the correlation. In this paper, we present a novel method called LG-BPN for self-supervised real-world denoising, which takes the spatial correlation statistic into our network design for local detail restoration, and also brings the long-range dependencies modeling ability to previously CNN-based BSN methods. First, based on the correlation statistic, we propose a densely-sampled patch-masked convolution module. By taking more neighbor pixels with low noise correlation into account, we enable a denser local receptive field, preserving more useful information for enhanced fine structure recovery. Second, we propose a dilated Transformer block to allow distant context exploitation in BSN. This global perception addresses the intrinsic deficiency of BSN, whose receptive field is constrained by the blind spot requirement, which can not be fully resolved by the previous CNN-based BSNs. These two designs enable LG-BPN to fully exploit both the detailed structure and the global interaction in a blind manner. Extensive results on real-world datasets demonstrate the superior performance of our method. https://github.com/Wang-XIaoDingdd/LGBPN
• Abstract（参考訳）: 単純化された前提下での合成ノイズの顕著な結果にもかかわらず、ほとんどの自己教師付き遮音法は、高度な自己教師付き盲点ネットワーク(BSN)を含む強い空間ノイズ相関により、実雑音下では失敗する。 現実のデノベーションを対象とする最近の手法では、この空間的相関を無視するか、あるいは相関を軽視するための微細なテクスチャの破壊によって制限される。 本稿では,実世界の自己監視のためのlg-bpnと呼ばれる新しい手法を提案する。この手法は局所的詳細復元のためのネットワーク設計に空間相関統計を取り入れ,従来cnnベースのbsn手法に長距離依存モデリング能力をもたらす。 まず, 相関統計に基づいて, 密集したパッチメイク畳み込みモジュールを提案する。 ノイズ相関の低い隣接画素を考慮に入れることで、より密集した局所受容場を実現し、微細構造回復のためのより有用な情報を保存する。 次に,BSNにおける遠隔コンテキストの活用を可能にする拡張トランスフォーマーブロックを提案する。 このグローバルな認識は、前回のCNNベースのBSNでは完全には解決できない盲点要求によって受容野が制約されるBSNの固有の欠損に対処する。 これらの2つの設計により、LG-BPNは詳細な構造とグローバルな相互作用を視覚的に完全に活用することができる。 実世界のデータセットに関する広範な結果は、この手法の優れた性能を示している。 https://github.com/Wang-XIaoDingdd/LGBPN

関連論文リスト

• Random Sub-Samples Generation for Self-Supervised Real Image Denoising [9.459398471988724]
  我々は,Smpling Different As Perturbation (SDAP) という,自己監督型実画像記述フレームワークを提案する。 トレーニング画像に適切な摂動を加えることで,BSNの性能を効果的に向上できることがわかった。 その結果、実世界のデータセット上で、最先端の自己教師型デノベーション手法を著しく上回っていることが明らかとなった。
  論文  参考訳（メタデータ） (2023-07-31T16:39:35Z)
• Advancing Unsupervised Low-light Image Enhancement: Noise Estimation, Illumination Interpolation, and Self-Regulation [55.07472635587852]
  低光画像強調(LLIE)技術は、画像の詳細の保存とコントラストの強化に顕著な進歩をもたらした。 これらのアプローチは、動的ノイズを効率的に緩和し、様々な低照度シナリオを収容する上で、永続的な課題に直面する。 まず,低照度画像の雑音レベルを迅速かつ高精度に推定する方法を提案する。 次に、照明と入力の一般的な制約を満たすために、Learningable Illumination Interpolator (LII) を考案する。
  論文  参考訳（メタデータ） (2023-05-17T13:56:48Z)
• Exploring Efficient Asymmetric Blind-Spots for Self-Supervised Denoising in Real-World Scenarios [44.31657750561106]
  実世界のシナリオにおけるノイズはしばしば空間的に相関しており、多くの自己教師型アルゴリズムは性能が良くない。 盲点サイズを自由に調整できる非対称可変ブラインド・スポットネットワーク(AT-BSN)を提案する。 提案手法は最先端技術を実現し,計算オーバーヘッドや視覚効果の観点から,他の自己教師付きアルゴリズムよりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-03-29T15:19:01Z)
• Spatially Adaptive Self-Supervised Learning for Real-World Image Denoising [73.71324390085714]
  本稿では,現実の sRGB 画像復号化の問題を解決するために,新しい視点を提案する。 ノイズの多い画像における平坦領域とテクスチャ領域のそれぞれの特徴を考慮し、それらを個別に管理する。 LAN自体がBNNの出力で管理されているのに対して,我々はその要件を満たすためのローカル・アウェア・ネットワーク(LAN)を提案する。
  論文  参考訳（メタデータ） (2023-03-27T06:18:20Z)
• Robust Deep Ensemble Method for Real-world Image Denoising [62.099271330458066]
  そこで本研究では,実世界の画像認識のための単純なベイズディープアンサンブル(BDE)手法を提案する。 我々のBDEは、最先端の復調法よりも+0.28dBPSNRのゲインを達成している。 我々のBDEは他の画像復元タスクにも拡張でき、ベンチマークデータセット上で+0.30dB、+0.18dB、+0.12dB PSNRゲインを達成することができる。
  論文  参考訳（メタデータ） (2022-06-08T06:19:30Z)
• AP-BSN: Self-Supervised Denoising for Real-World Images via Asymmetric PD and Blind-Spot Network [60.650035708621786]
  ブラインド・スポット・ネットワーク(BSN)とその変種は、自己監督型デノナイジングにおいて大きな進歩を遂げた。 自己教師付きBSNを用いて空間的に相関した実世界の雑音に対処することは困難である。 近年,実世界の雑音の空間的相関を取り除くために,画素シャッフルダウンサンプリング (PD) が提案されている。 本稿では,この問題に対処する非対称PD(AP)を提案する。
  論文  参考訳（メタデータ） (2022-03-22T15:04:37Z)
• Denoised Non-Local Neural Network for Semantic Segmentation [18.84185406522064]
  クラス間ノイズとクラス内ノイズをそれぞれ除去するデノナイズド非ローカネットワーク(デノナイズドNL)を提案する。 提案したNLは,都市景観における83.5%,46.69% mIoU,ADE20Kの最先端性能を達成できる。
  論文  参考訳（メタデータ） (2021-10-27T06:16:31Z)
• Non-Local Part-Aware Point Cloud Denoising [55.50360085086123]
  本稿では,点群を識別する非局所部分認識ディープニューラルネットワークを提案する。 グラフアテンションモジュールでカスタマイズした非局所学習ユニット(NLU)を設計し、非局所意味論的特徴を適応的にキャプチャする。 雑音発生性能を向上させるため,ノイズ特性をノイズ入力から段階的に抽出するために,一連のNLUをカスケードする。
  論文  参考訳（メタデータ） (2020-03-14T13:51:50Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。