该博客介绍了2022年CVPR会议上的一项研究，提出了一种新型图像修复模型，能同时处理多种类型的图像退化，如噪声、雾霾和雨滴。模型由两个核心部分组成：对比学习基的退化编码器(CBDE)和退化引导的恢复网络(DGRN)。CBDE通过对比学习来获取潜在退化表示，而DGRN则在该表示的指导下进行图像恢复。DGRN结构复杂，包含多个模块，用于逐步提升图像质量。
2022cvpr的一篇图像修复
主要优点就是一个模型可以修复不同种类的图像退化，比如，noise，haze，rain
主要思想：输入退化图像x，然后得到潜在退化表示(latent degradation representation) z，然后z与x一起恢复图像。
一共有两个自网络CBDE(contrastive-based degradation encoder)和DGEN(Degradation-Guided Restoration Network)
1、得到z的结构就是CBDE
利用的loss是
对于input x，随机crop 两个patch，
，然后再从另一张图像中crop一个patch作为
，然后放到CBDE中，得到对应的
，最后放入到两层的MLP中，得到
2、然后在z的指导下，对x进行恢复的网络就是DGRN
DGRN含有五个DGG模块，每个DGG模块又包含五个DGB模块，每个DGB模块又含有两个DGM模块和两个卷积层。DGM结构如下
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
