Tag · 2 篇
高斯噪声
分布 底层视觉与图像复原1鲁棒性与安全1
01 02
凸性感知噪声校准：面向噪声水平未知图像去噪的自监督框架
Convexity-Aware Noise Calibration: A Self-Supervised Framework for Noise-Level-Unknown Image Denoising
把噪声水平估计转化为「去噪后方差随噪声水平变化」的单调关系，并用三分搜索加深度模型求解，可直接复用于盲去噪、真实噪声数据合成训练对以及任何需要估计未知噪声强度的复原流程。
噪声与双边滤波的结合在 CNN 中实现超线性且可扩展的对抗鲁棒性
A Combination of Noise and Bilateral Filters Achieve Supralinear and Scalable Adversarial Robustness in CNNs
把「高斯噪声 + 双边滤波」当作零成本前置预处理模块，可直接插到任意 CNN 或对抗训练流程前，在几乎不增加推理开销的前提下提升对 AutoAttack 等攻击的鲁棒性，为视觉模型部署提供可复用防御组件。