PulseAugur
中
实时 14:07:38
English(EN) Denoising ICF Images with Multiplicative Uniform Noise: A Self-Supervised Study Based on the Log-Domain Noisier2Inverse Framework

对数域Noisier2Inverse框架推动ICF图像去噪技术发展

作者 PulseAugur 编辑部 · [2 个来源] ·

一种新的自监督去噪框架Log-Domain Noisier2Inverse已被开发并评估，用于处理受乘性均匀噪声影响的惯性约束聚变（ICF）图像。该框架展示了显著的改进，实现了21.41 dB的平均PSNR和0.8358的SSIM，相比噪声输入有了大幅提升。该方法在ICF图像去噪方面，显著优于BM3D和Noise2Self等现有技术，并且在训练过程中完全是自监督的。 AI

影响 这项研究为专业科学领域的图像去噪提供了一种新颖的自监督方法，有望提高数据分析的质量。

排序理由 该集群包含一篇详细介绍新框架及其评估的学术论文。

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

对数域Noisier2Inverse框架推动ICF图像去噪技术发展

报道来源 [2]

  1. arXiv cs.CV TIER_1 English(EN) · Gyeongha Hwang, Bradley Thomas Wolfe, Naima Naheed ·

    Denoising ICF Images with Multiplicative Uniform Noise: A Self-Supervised Study Based on the Log-Domain Noisier2Inverse Framework

    arXiv:2606.27635v1 Announce Type: new Abstract: This paper documents the implementation and evaluation of a self-supervised denoising framework on Inertial Confinement Fusion (ICF) images corrupted by Multiplicative Uniform noise: the \emph{Log-Domain Noisier2Inverse} framework. …

  2. arXiv cs.CV TIER_1 English(EN) · Naima Naheed ·

    使用乘法均匀噪声进行去噪ICF图像：基于Log-Domain Noisier2Inverse框架的自监督研究

    This paper documents the implementation and evaluation of a self-supervised denoising framework on Inertial Confinement Fusion (ICF) images corrupted by Multiplicative Uniform noise: the \emph{Log-Domain Noisier2Inverse} framework. This framework is developed and analysed in this…

相关实体

相关话题