【每周CV论文推荐】基于GAN的图像降噪值得阅读的文章

作者&编辑 | 言有三

1 基本噪声仿真模型

我们之所以研究GAN模型用于图像降噪，主要就是因为GAN模型有非常好的图像生成能力，可以用于仿真真实的图像噪声，从而制造更多数据集，改善模型在真实噪声数据上的泛化能力，GAN-CNN Based Blind Denoiser是一个最基本的思路可供参考。

文章引用量：400+

推荐指数：✦✦✦✦✧

[1] Chen J, Chen J, Chao H, et al. Image blind denoising with generative adversarial network based noise modeling[C]//Proceedings of the IEEE conference on computer vision and pattern recognition. 2018: 3155-3164.

2 条件GAN噪声仿真模型

图像噪声的来源有很多因素，不同相机设备，不同拍照参数（ISO等），外界干扰等都会影响噪声的不同，如果将这些因素考虑进去，可以更加精确地生成噪声，其中GRDN是一个非常典型的工作。

文章引用量：80+

推荐指数：✦✦✦✦✧

[2] Kim D W, Ryun Chung J, Jung S W. Grdn: Grouped residual dense network for real image denoising and gan-based real-world noise modeling[C]//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops. 2019: 0-0.

3 联合噪声仿真与去噪模型

如果仅仅只考虑噪声生成，还只是完成了数据仿真这一步，这与最终的图像去噪任务没有形成很好的反馈，如果同时考虑图像加噪与去噪，将会更有利于改进模型的噪声仿真和去噪能力。

文章引用量：70+

推荐指数：✦✦✦✦✧

[3] Yue Z, Zhao Q, Zhang L, et al. Dual adversarial network: Toward real-world noise removal and noise generation[C]//European Conference on Computer Vision. Springer, Cham, 2020: 41-58.

[4] Cai Y, Hu X, Wang H, et al. Learning to generate realistic noisy images via pixel-level noise-aware adversarial training[J]. Advances in Neural Information Processing Systems, 2021, 34: 3259-3270.

4 图像降噪应用

由于噪声的类型非常多，因此图像降噪有非常多的典型应用，比如图像去雨是一个被研究的小众但有现实意义的问题，其他还有一些与图像修复相关的任务，比如去除一些污垢，瑕疵等。

文章引用量：1400+

推荐指数：✦✦✦✦✧

[5] Zhang H, Sindagi V, Patel V M. Image de-raining using a conditional generative adversarial network[J]. IEEE transactions on circuits and systems for video technology, 2019, 30(11): 3943-3956.

[6] Qian R, Tan R T, Yang W, et al. Attentive generative adversarial network for raindrop removal from a single image[C]//Proceedings of the IEEE conference on computer vision and pattern recognition. 2018: 2482-2491.