論文へのリンク
[2101.04442] Joint Demosaicking and Denoising in the Wild: The Case of Training Under Ground Truth Uncertainty
筆者・所属機関
Jierun Chen, Song Wen, S.-H. Gary Chan
Department of Computer Science and EngineeringThe Hong Kong University of Science and Technology, Hong Kong, China
投稿日付
2021/01/12
概要(一言まとめ)
ニューラルネットを用いたRAW画像からのデモザイクとノイズ除去を行いState-of-the-art達成。
手法の概要
Twitterを引用。
RAW画像からのデモザイクとノイズ除去を行う。Dataset中のGround Truthも画像処理プロセス(ISP)を通っているので劣化しているのでそのまま学習するのは問題であると指摘し真のGTからの劣化過程をモデル化し真のGTらしさ(尤度)を最大化するようにLossを定式化したのがキモ。https://t.co/QxutdlNbVC pic.twitter.com/9Pr13YgJj8
— Teppei Kurita (@kuritateppei) January 26, 2021
コメント
RAW現像の手法、評価手法が興味深かった。なかなか深い世界。
個人的に面白いなと思ったのが、RAWデータ取得のプロセスを、 xをノイズ入ったデータ、Aをモザイク処理、zをクリーンな画像、nをノイズとして以下のシンプルな数式で現わすことができること。
デモザイク処理は、Aの逆の処理でデノイズがnを減らすための処理となる。
関連情報
次に読む論文
自分なりのアウトプット
気になった英単語・英語表現
- conjugate 活用・共役
- interpolating 補間