PulseAugur
中
实时 13:27:28
English(EN) Small, Bias-Free, Blind and Convolutional Denoiser: A compact ConvNeXt U-Net for blind Gaussian color-image denoising

新型紧凑型ConvNeXt U-Net模型在盲图像去噪方面表现出色

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了BF-ConvUNeXt，这是一种专为盲高斯彩色图像去噪设计的紧凑型卷积神经网络。该模型拥有0.82百万个参数，在推理时可实现一度同质性，从而使其能够从单个训练实例泛化到各种噪声水平。在标准数据集上进行评估时，BF-ConvUNeXt的性能与DnCNN和FFDNet等现有方法相当或更优，同时使用的参数量远少于最先进的重量级模型。 AI

影响 这种紧凑型模型为图像去噪任务提供了更高的效率和性能，可能有利于需要实时处理的应用。

排序理由 详细介绍用于图像去噪的新模型架构的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新型紧凑型ConvNeXt U-Net模型在盲图像去噪方面表现出色

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Nikolas Markou ·

    小型、无偏见、盲卷积去噪器：用于盲高斯彩色图像去噪的紧凑型ConvNeXt U-Net

    arXiv:2607.22793v1 Announce Type: cross Abstract: We describe and evaluate BF-ConvUNeXt, a compact bias-free ConvNeXt U-Net for blind additive-white-Gaussian-noise color image denoising, combining four existing ingredients so a single property survives end to end: a frozen depthw…

相关实体

相关话题