NODE-ImgNet: a PDE-informed effective and robust model for image denoising

要約

画像ノイズ除去のための伝統的な偏微分方程式（PDE）アプローチに触発され、我々は、ニューラル常微分方程式（NODE）と畳み込みニューラルネットワーク（CNN）ブロックを組み合わせた、NODE-ImgNetと呼ばれる新しいニューラルネットワークアーキテクチャを提案する。NODE-ImgNetは本質的にPDEモデルであり、動的システムはPDEを明示的に指定することなく暗黙的に学習される。このため、学習プロセス中にアーチファクトが発生する典型的な問題を回避することができます。残差ネットワーク(ResNet)の連続的な変形と見なすこともでき、画像ノイズ除去における利点を継承する、このようなNODE構造を呼び出すことにより、我々のモデルは精度とパラメータ効率の向上を達成する。特に、我々のモデルは、ガウスノイズによって摂動されたグレー画像やカラー画像、また実際のノイズ画像などの様々なシナリオにおいて一貫した有効性を示し、小規模な画像データセットからの学習において優れた性能を示す。

要約(オリジナル)

Inspired by the traditional partial differential equation (PDE) approach for image denoising, we propose a novel neural network architecture, referred as NODE-ImgNet, that combines neural ordinary differential equations (NODEs) with convolutional neural network (CNN) blocks. NODE-ImgNet is intrinsically a PDE model, where the dynamic system is learned implicitly without the explicit specification of the PDE. This naturally circumvents the typical issues associated with introducing artifacts during the learning process. By invoking such a NODE structure, which can also be viewed as a continuous variant of a residual network (ResNet) and inherits its advantage in image denoising, our model achieves enhanced accuracy and parameter efficiency. In particular, our model exhibits consistent effectiveness in different scenarios, including denoising gray and color images perturbed by Gaussian noise, as well as real-noisy images, and demonstrates superiority in learning from small image datasets.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL