PoGaIN: Poisson-Gaussian Image Noise Modeling from Paired Samples

要約

イメージ ノイズは、多くの場合、ポアソン ガウス分布に正確に適合させることができます。
ただし、ノイズの多い画像のみから分布パラメーターを推定するのは困難な作業です。
ここでは、ペアのノイズのあるサンプルとノイズのないサンプルにアクセスできる場合を検討します。
現在、ノイズのない情報を利用して、より正確な推定を達成するのに役立つ可能性のある方法はありません。
このギャップを埋めるために、ペアの画像サンプルからポアソンガウスノイズモデリングのための新しいキュムラントベースのアプローチを導き出します。
MSE、外れ値の影響、画像の依存性、およびバイアスに特に重点を置いて、さまざまなベースラインでのパフォーマンスの向上を示します。
さらに、さらなる洞察のために対数尤度関数を導出し、現実世界への適用可能性について説明します。

要約(オリジナル)

Image noise can often be accurately fitted to a Poisson-Gaussian distribution. However, estimating the distribution parameters from a noisy image only is a challenging task. Here, we study the case when paired noisy and noise-free samples are accessible. No method is currently available to exploit the noise-free information, which may help to achieve more accurate estimations. To fill this gap, we derive a novel, cumulant-based, approach for Poisson-Gaussian noise modeling from paired image samples. We show its improved performance over different baselines, with special emphasis on MSE, effect of outliers, image dependence, and bias. We additionally derive the log-likelihood function for further insights and discuss real-world applicability.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google