研究人员开发了 YeTI，一个用于生成逼真 sRGB 噪声以用于图像去噪任务的新框架。该方法仅使用同一场景的两张有噪图像来学习合成信号相关的噪声，无需干净的真实数据或相机元数据。YeTI 采用重建自编码器和条件扩散 Transformer 来分离场景结构和噪声特征，从而能够生成保留图像内容细节的逼真噪声。实验表明，使用 YeTI 合成图像训练的去噪器在 SIDD 和 DND 等各种基准测试中取得了强大的实际性能。 AI
影响 通过提供一种可扩展的方法来生成逼真的训练数据，而无需干净的图像，从而能够构建更强大的图像去噪模型。
排序理由 该集群包含一篇详细介绍新图像噪声生成方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2607.09193v1 Announce Type: new Abstract: Real-world sRGB image denoising remains challenging due to the nonlinear characteristics of sensor noise and the difficulty of acquiring aligned clean-noisy image pairs. Supervised denoisers often overfit to limited paired datasets,…
Real-world sRGB image denoising remains challenging due to the nonlinear characteristics of sensor noise and the difficulty of acquiring aligned clean-noisy image pairs. Supervised denoisers often overfit to limited paired datasets, while self-supervised methods still depend on s…