文章预览
图像和视频捕捉系统往往会受到噪声的影响，包括 光子拍摄噪声和传感器读取噪声 。 这一问题在 低光照场景或小光圈的手机摄像头 中尤为严重。 为了解决这一问题，各种图像和视频去噪算法被提出，用于从噪声输入中生成高质量的图像和视频帧。 本文提出了一种利用深度神经网络显式学习像素聚合过程的新方法，称为 像素聚合网络（PAN） ，用于 图像和视频去噪 。相比于依赖手工设计的聚合方案，本文的方法通过 数据驱动的方式学习像素采样和加权均值策略 ， 更好地适应图像结构，保留细节，并减少现有方法在复杂场景中产生的伪影 。 方法概述 本文提出了一种空间像素聚合网络，用于学习图像去噪的像素采样和加权策略。此外，开发了一种时空像素聚合网络，能够高效地在时空空间中采样像素，用于视频去噪。通过引入正则项，有效训
………………………………
