論文の概要: Poisson2Gaussian: Noise Gaussianization to Enhance Image Denoising
- arxiv url: http://arxiv.org/abs/2606.23098v1
- Date: Mon, 22 Jun 2026 09:41:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-25 00:10:40.21345
- Title: Poisson2Gaussian: Noise Gaussianization to Enhance Image Denoising
- Title（参考訳）: Poisson2Gaussian: ノイズガウシアン化による画像デノイングの強化
- Authors: Xirou Zhou, Zijing Xu, Yibo Qu, Qi Zhang, Xiaowan Hu, Xinyang Li,
- Abstract要約: 複素実世界の雑音をi.d.に明示的に変換するノイズガウス化法であるPoisson2Gaussian (P2G)を提案する。
P2Gは、さまざまなデータセットにわたる最先端のパフォーマンスを一貫して達成する。
特に、P2Gはアーキテクチャに依存しないため、様々なデノワに対して普遍的な改善を提供することができる。
- 参考スコア（独自算出の注目度）: 14.798094742595426
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The quantum nature of light determines the inherent Poisson stochasticity of photon detection, which is ubiquitous in photography, microscopy, and astronomy. However, our controlled numerical studies reveal that the signal-dependency, heteroscedasticity, and statistical asymmetry of Poisson-mixed noise make it challenging for existing denoisers to learn. In contrast, i.i.d. Gaussian noise, with its statistical independence and symmetric distribution, is easier to model for networks. To address this gap, we propose Poisson2Gaussian (P2G), a noise Gaussianization method that explicitly converts complex real-world noise to i.i.d. Gaussian noise via probability density matching beyond low-order moments. We also design an unbiased denoising framework that synergizes P2G with downstream denoisers, ensuring convergence to the underlying signal without requiring paired clean data or explicit noise parameters. Extensive experiments demonstrate that P2G consistently achieves state-of-the-art performance across diverse datasets. In challenging scenarios where noise strongly deviates from Gaussian statistics, our method improves the PSNR by up to 0.75 dB. Notably, P2G is architecture-agnostic and can provide universal improvements for various denoisers. The source code will be publicly available.
- Abstract（参考訳）: 光の量子的性質は、写真、顕微鏡、天文学においてユビキタスである光子検出の固有のポアソン確率性を決定する。
しかし、制御された数値研究により、ポアソン混合雑音の信号依存性、ヘテロセダスティック性、統計的非対称性が、既存のデノイザの学習を困難にしていることが明らかとなった。
対照的に、統計的な独立性と対称分布を持つガウス雑音は、ネットワークのモデル化が容易である。
このギャップに対処するために,P2G(Poisson2Gaussian)というノイズガウス化手法を提案する。
また、P2Gを下流デノイザと相乗化し、ペア化されたクリーンデータや明示的なノイズパラメータを必要とせず、基礎となる信号への収束を確保する、バイアスのないデノイジングフレームワークを設計する。
大規模な実験により、P2Gはさまざまなデータセットにわたる最先端のパフォーマンスを一貫して達成している。
ガウス統計からノイズが強く逸脱する難題では,PSNRを最大0.75dB改善する。
特に、P2Gはアーキテクチャに依存しないため、様々なデノワに対して普遍的な改善を提供することができる。
ソースコードは公開されます。
関連論文リスト
- Listening to the Noise: Blind Denoising with Gibbs Diffusion [4.310554658046964]
雑音分布の族に先立って信号のマッピングを訓練した条件拡散モデルからサンプリングステップを交互に行うギブスアルゴリズムを開発した。
我々の理論的分析は潜在的な落とし穴を強調し、診断利用をガイドし、ギブス定常分布の誤差を定量化する。
本研究では,1)未知の振幅とスペクトル指数を持つ有色雑音を含む自然画像の視覚的復調,2)宇宙論の問題について述べる。
論文 参考訳（メタデータ） (2024-02-29T18:50:11Z) - 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) - A Data-driven Loss Weighting Scheme across Heterogeneous Tasks for Image Denoising [67.02529586335473]
変分分解モデルでは、データ忠実度項の重みはノイズ除去能力を高める役割を担っている。
本研究では,これらの問題に対処するデータ駆動型損失重み付け手法を提案する。
DLWの顕著な性能を検証し,様々な変分復調モデルの複素雑音処理能力の向上に寄与することを示した。
論文 参考訳（メタデータ） (2022-12-09T03:28:07Z) - CFNet: Conditional Filter Learning with Dynamic Noise Estimation for
Real Image Denoising [37.29552796977652]
本稿では、カメラ内信号処理パイプラインを用いた異方性ガウス/ポアソンガウス分布によって近似された実雑音について考察する。
本稿では,特徴位置の異なる最適なカーネルを画像とノイズマップの局所的特徴により適応的に推定できる条件付きフィルタを提案する。
また,CNN構造にノイズ推定や非ブラインド復調を行う場合,反復的特徴復調を導出する前に連続的にノイズを更新すると考える。
論文 参考訳（メタデータ） (2022-11-26T14:28:54Z) - Target Aware Poisson-Gaussian Noise Parameters Estimation from Noisy
Images [0.0]
センサが捉えた生画像に対して,Poisson-Gaussianノイズモデルを用いる。
分散および累積統計量に基づく2つのアルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-10-21T17:53:56Z) - PoGaIN: Poisson-Gaussian Image Noise Modeling from Paired Samples [9.22047303381213]
ペア画像を用いたポアソン・ガウス雑音モデルのための新しい累積的アプローチを導出する。
MSE, アウトレーヤの効果, 画像依存性, バイアスに着目し, 異なるベースライン上での性能向上を示す。
論文 参考訳（メタデータ） (2022-10-10T17:34:49Z) - High-Order Qubit Dephasing at Sweet Spots by Non-Gaussian Fluctuators:
Symmetry Breaking and Floquet Protection [55.41644538483948]
非ガウスゆらぎによるqubit dephasingについて検討した。
非ガウス雑音に特有の対称性破壊効果を予測する。
論文 参考訳（メタデータ） (2022-06-06T18:02:38Z) - Poisson2Sparse: Self-Supervised Poisson Denoising From a Single Image [34.27748767631027]
本稿では,単一画像の自己教師型学習手法を提案する。
繰り返しニューラルネットワークを用いた画像復調のための従来の反復最適化アルゴリズムを近似する。
提案手法はPSNRとSSIMの両面で最先端の手法より優れている。
論文 参考訳（メタデータ） (2022-06-04T00:08:58Z) - C2N: Practical Generative Noise Modeling for Real-World Denoising [53.96391787869974]
両例を使わずに複雑な実世界の騒音を模倣するクリーン・ツー・ノイズ画像生成フレームワーク,すなわちC2Nを導入する。
我々は,C2Nの騒音発生器を実世界の騒音特性の成分に応じて構築し,広い範囲の騒音を正確に表現する。
論文 参考訳（メタデータ） (2022-02-19T05:53:46Z) - Rethinking Noise Synthesis and Modeling in Raw Denoising [75.55136662685341]
センサの実際の雑音を直接サンプリングすることで、ノイズを合成する新しい視点を導入する。
それは本質的に、異なるカメラセンサーに対して正確な生画像ノイズを発生させる。
論文 参考訳（メタデータ） (2021-10-10T10:45:24Z) - Shape Matters: Understanding the Implicit Bias of the Noise Covariance [76.54300276636982]
勾配降下のノイズはパラメータ化モデルに対するトレーニングにおいて重要な暗黙の正則化効果をもたらす。
ミニバッチやラベルの摂動によって引き起こされるパラメータ依存ノイズはガウスノイズよりもはるかに効果的であることを示す。
分析の結果,パラメータ依存ノイズは局所最小値に偏りを生じさせるが,球状ガウス雑音は生じないことがわかった。
論文 参考訳（メタデータ） (2020-06-15T18:31:02Z)
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。