2025 CVPR NTIRE Image Denoise报告研究思考
这次的挑战不考虑计算效率和模型复杂度,所以用混合架构以最大化性能需求。 排名情况: # 第一名:自制 200 万张训练集( SRC-B ) 网络结构如上图所示,先使用基于 Transformer 的 Restormer 提取全局信息,然后再使用基于卷积的 NAFNet 进行局部细节的增强,最后使用特征融合模块整合上述两部分的特征,平衡去噪和细节保留,提升整体性能。 用自制 200 万张训练集进行训练整个网络,再使用官方的训练集集微调细节增强网络,最后用官方验证集和自定义训练集中的 1000 张图像继续微调整个网络。 对数据进行了一定的筛选,选择拉普拉斯 Var、 BRISQUE 和...
more...