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、ノイズの多いサンプルとノイズのないサンプルのペアが利用可能な場合を検討します。
ノイズのない情報を活用するための方法は現在利用できず、より正確な推定を達成する見込みがあります。
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、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、さらに洞察を得るために対数尤度関数を導出し、実際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 only a noisy image is a challenging task. Here, we study the case when paired noisy and noise-free samples are available. No method is currently available to exploit the noise-free information, which holds the promise of achieving more accurate estimates. 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, and additionally derive the log-likelihood function for further insight and discuss real-world applicability.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google