自监督图像去噪CVPR2023

自监督图像去噪是一种通过自动合成噪声图像对进行训练的方法，用于消除图像中的噪声并恢复原始图像的技术。在CVPR2023会议中，发表了一篇名为"Learning A Sparse Transformer Network for Effective Image Deraining"的论文，该论文提出了一种基于稀疏Transformer网络的自监督图像去噪方法。

图像去噪是一个基本的低级图像处理任务，其目标是消除噪声并恢复清晰的图像。而自监督图像去噪方法使用自动生成的噪声图像对进行训练，可以在没有人工标签的情况下学习图像去噪模型。

深度学习已经成为图像去噪的主流方法，特别是Transformer模型的出现，它在各种图像任务上取得了显著的进展。然而，现有的基于深度学习的方法在噪声分布不同的情况下可能缺乏泛化能力。例如，在高斯噪声上训练的模型可能在其他噪声分布上的测试中表现不佳。

因此，CVPR2023的这篇论文提出了一种基于稀疏Transformer网络的自监督图像去噪方法，通过学习噪声图像对进行训练，可以有效地消除图像中的噪声并恢复原始图像的质量。这种方法具有很大的潜力在实际图像处理任务中得到应用。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *3* [CVPR 2023 | 去雨去噪去模糊，图像low-level任务，视觉AIGC系列](https://blog.csdn.net/lgzlgz3102/article/details/130939564)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"]
- *2* [【论文速递】CVPR2022-Blind2Unblind：具有可见盲点的自监督图像去噪](https://blog.csdn.net/weixin_47525542/article/details/128780908)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"]
[ .reference_list ]