Image Denoising: The Deep Learning Revolution and Beyond — A Survey Paper —

要約

画像ノイズ除去（画像から加法性白色ガウスノイズを除去すること）は、画像処理において最も古く、最も研究されている問題の1つである。数十年にわたる広範な研究により、この課題に関する何千もの論文が発表され、この課題に対する多くの優れたアルゴリズムが生み出されています。実際、10年前、これらの成果により、一部の研究者は、この領域で達成できることはすべて既に得られているという意味で、「Denoising is Dead（ノイズ除去は死んだ）」と疑いました。しかし、画像処理に深層学習（DL）が浸透したことで、それは真実とはかけ離れたものであることが判明した。ディープラーニングの時代は、画像中のノイズを除去する能力を今日に至るまでリードし、また、扱うノイズ除去問題の範囲を広げることで、画像ノイズ除去に革命をもたらした。本論文では、まずこの進化を説明し、特に画像ノイズ除去器の設計において、古典的アプローチと最新のDLベースの代替案の間に存在する緊張と相乗効果に焦点を当てる。 画像ノイズ除去の分野における最近の変遷は、より良いノイズ除去器を設計する能力をはるかに超えている。本論文の第2部では、最近発見された画像ノイズ除去の能力と展望に焦点を当てる。例えば、一般的な逆問題の正則化、拡散ベースの画像合成における主要なエンジンとしての役割など、ノイズ除去器を他の問題に利用する可能性を明らかにする。また、ノイズ除去やその他の逆問題は、一般的なアルゴリズムが信じているような一意的な解を持っていないかもしれないという考え方も明らかにする。その代わりに、DLが画像ノイズ除去にもたらした進歩に後押しされ、逆問題に対してランダムで多様な高品質な結果を生み出す建設的な方法を説明する。 このサーベイ論文は、画像ノイズ除去の歴史と密接に関連するトピックの広い視野を提供することを目的としている。我々の目的は、最近の発見と、我々の領域におけるDLの影響に、より良い文脈を与えることである。

要約(オリジナル)

Image denoising (removal of additive white Gaussian noise from an image) is one of the oldest and most studied problems in image processing. An extensive work over several decades has led to thousands of papers on this subject, and to many well-performing algorithms for this task. Indeed, 10 years ago, these achievements have led some researchers to suspect that ‘Denoising is Dead’, in the sense that all that can be achieved in this domain has already been obtained. However, this turned out to be far from the truth, with the penetration of deep learning (DL) into image processing. The era of DL brought a revolution to image denoising, both by taking the lead in today’s ability for noise removal in images, and by broadening the scope of denoising problems being treated. Our paper starts by describing this evolution, highlighting in particular the tension and synergy that exist between classical approaches and modern DL-based alternatives in design of image denoisers. The recent transitions in the field of image denoising go far beyond the ability to design better denoisers. In the 2nd part of this paper we focus on recently discovered abilities and prospects of image denoisers. We expose the possibility of using denoisers to serve other problems, such as regularizing general inverse problems and serving as the prime engine in diffusion-based image synthesis. We also unveil the idea that denoising and other inverse problems might not have a unique solution as common algorithms would have us believe. Instead, we describe constructive ways to produce randomized and diverse high quality results for inverse problems, all fueled by the progress that DL brought to image denoising. This survey paper aims to provide a broad view of the history of image denoising and closely related topics. Our aim is to give a better context to recent discoveries, and to the influence of DL in our domain.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL