PVDD: A Practical Video Denoising Dataset with Real-World Dynamic Scenes

要約

ビデオデノイジングの研究を促進するために、我々は、sRGBとRAWの両方のフォーマットで200組のノイジー・クリーン・ダイナミックビデオを含む’Practical Video Denoising Dataset’（PVDD）と呼ばれる魅力的なデータセットを構築しています。PVDDは、限られた動きの情報からなる既存のデータセットと比較して、多様で自然な動きを持つダイナミックなシーンをカバーしている。PVDDは、sRGB領域のノイズを合成するために一次ガウス分布やポアソン分布を用いたデータセットとは異なり、RAW領域から物理的に意味のあるセンサーノイズモデルとISP処理によってリアルなノイズを合成しています。さらに、このデータセットに基づき、実環境のsRGB映像に対する映像ノイズ除去ネットワークの性能を向上させるため、シャッフルベースの実用的な劣化モデルを提案する。広範な実験により、PVDDで学習したモデルは、他の既存のデータセットで学習したモデルよりも、多くの困難な実世界の映像に対して優れたノイズ除去性能を達成することが実証された。

要約(オリジナル)

To facilitate video denoising research, we construct a compelling dataset, namely, ‘Practical Video Denoising Dataset’ (PVDD), containing 200 noisy-clean dynamic video pairs in both sRGB and RAW format. Compared with existing datasets consisting of limited motion information, PVDD covers dynamic scenes with varying and natural motion. Different from datasets using primary Gaussian or Poisson distributions to synthesize noise in the sRGB domain, PVDD synthesizes realistic noise from the RAW domain with a physically meaningful sensor noise model followed by ISP processing. Moreover, based on this dataset, we propose a shuffle-based practical degradation model to enhance the performance of video denoising networks on real-world sRGB videos. Extensive experiments demonstrate that models trained on PVDD achieve superior denoising performance on many challenging real-world videos than on models trained on other existing datasets.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL