Decay2Distill: Leveraging spatial perturbation and regularization for self-supervised image denoising

要約

非対称画像ノイズ除去は、ここ数年、有望な発展を遂げている。しかし，その性能はともかく，ノイズの性質や仮定に依存する傾向が強く，必ずしも実用的とはいえない．このような動機から、我々は、非対称で、空間劣化に続いて正則化された洗練に依存する自己教師付きノイズ除去方式を提案する。本手法は従来の手法と比較して大幅な改善を示し，異なるデータ領域においても一貫した性能を示した．

要約(オリジナル)

Unpaired image denoising has achieved promising development over the last few years. Regardless of the performance, methods tend to heavily rely on underlying noise properties or any assumption which is not always practical. Alternatively, if we can ground the problem from a structural perspective rather than noise statistics, we can achieve a more robust solution. with such motivation, we propose a self-supervised denoising scheme that is unpaired and relies on spatial degradation followed by a regularized refinement. Our method shows considerable improvement over previous methods and exhibited consistent performance over different data domains.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL