- …
- …
#516
summarized by : Anonymous
どんな論文か？
自己教師あり学習のデノイジングモデル出るblind-spot network(BSN)は信号に依存しないノイズという仮定があり実世界データには合わない.そこで、実世界データに含まれる空間的相関をピクセルシャッフルダウンサンプリング(PD)で除去することでblind-spot netwrokを用いて実世界データのデノイジングを可能とした.
新規性
PDのストライドを大きくするとノイズの相関は消えるがエイリアシングが発生した.そこで、著者らは学習時はPDのストライドを5としてBSNに入力して学習し、推論時はPDのストライドを2として学習済みBSNに入力し、得られる画像のランダムなピクセルをノイズ画像で置換した複数のデータを再度学習済みBSNに入力して出力の平均を最終結果とすることでエイリアシングを解決しつつ、最適なデノイズ画像を推論した.
結果
著者らの提案手法は既存の自己教師ありデノイジング手法であるNoise2Void,Noise2Self, NAC, R2Rと比較して２つのデータセットでよい精度を示した.また、提案手法の推論時の工夫である一度得られたデノイズ画像を再度入力して出力の平均を取る操作を行うことによる精度向上も確認された.
その他（なぜ通ったか？等）
- …
- …