Edvard的专栏

图像恢复，效果 SOTA 且计算量对比 Real-ESRGan 低很多

CVPR 2020 年论文，来自 GoPro视频降噪和图片降噪区别在于视频降噪后输出的结果，观感上能否保持连贯和平滑，而为了达到这个目的，算法在对视频其中一帧进行降噪时，需要参考那一帧相邻帧的信息。创新点不需要光流或运动估计，降低了计算量，也避免了引入光流带来的伪影关于创新点一，文章是用时序和多尺度的级联 U-Net 来在网络架构内部代替光流来进行块对齐的网络架构网络由 4 个 block 组成，每一个 block 设计上有以下几个考虑的点1、在上采样这里，采用了 PixelShuffl

经典 Non-local Means Denoising(NLM) 图像降噪算法和 Python 实现

图像降噪 - Block Matching and 3D Filtering (BM3D) 算法与 Python 实现