Tag · 3 篇

盲点网络

TM-BSN: Triangular-Masked Blind-Spot Network for Real-World Self-Supervised Image Denoising

提出三角掩码卷积，在原始分辨率下构造菱形盲点以匹配去马赛克噪声的相关性几何，避免下采样带来的噪声统计改变和上下文损失；并用知识蒸馏将多个盲点预测集成到轻量U-Net，为真实图像自监督去噪提供了可复用的架构设计。

Next-Scale Prediction: A Self-Supervised Approach for Real-World Image Denoising

提出跨尺度训练对构建方式，将噪声去相关与细节保留解耦，可推广到其他自监督底层视觉任务（如去模糊、超分）中，避免像素洗牌下采样对结构的破坏。

LF-BVN: Blind-View Network for Self-Supervised Light Field Denoising

将盲点去噪原理从单图扩展到光场多视图，利用视角间噪声不相干性构造自监督信号，并引入几何不变性掩码与潜变量体一致性约束，为无干净数据的光场去噪提供了可复用框架。