补丁的线性组合在单图像消毒方面过于有效
概括
这项研究表明,图像补丁的线性组合可以在没有外部训练数据的情况下有效地消除图像的色彩. 这种自我监督的方法在性能和速度上与最先进的方法相竞争.
科学领域:
- 计算机视觉 计算机视觉
- 图像处理 图像处理
- 机器学习 机器学习
背景情况:
- 深度神经网络具有先进的图像消除功能,但需要高质量的训练数据.
- 单图像无色化方法旨在无需外部数据集或事先知识来无色化图像.
研究的目的:
- 调查用于单图像消噪的补丁线性组合的有效性.
- 开发一个参数方法,用试点图像来估计除尘重量.
主要方法:
- 使用图像补丁的线性组合来消除噪音.
- 使用二次风险近似与多个试点图像来估计组合重量.
- 在人工和现实世界的杂图像上进行了测试.
主要成果:
- 补丁的线性组合可以实现最先进的单图像无线化性能.
- 拟议的方法与领先的单图像消毒器具有竞争力.
- 在速度和解释性方面超过了最近基于神经网络的技术.
结论:
- 补丁的简单线性组合足以有效地消除单图像的噪音.
- 开发的参数方法为数据依赖方法提供了一个快速,可解释和高性能的替代方案.
