MG-SpaIR

新的MG-SpaIR框架提供无训练数据图像恢复

研究人员开发了MG-SpaIR，一种不需要训练数据的新型图像恢复框架。该方法利用隐式神经表示（INRs）和多级残差层次结构来逐步改进图像重建。为了增强稳定性和防止伪影，MG-SpaIR结合了显式稀疏正则化，该正则化可以抑制虚假模式同时保留清晰细节。实验表明，MG-SpaIR的性能优于Deep Image Prior等现有的无训练数据方法，提供了一种稳定且数据高效的替代方案。