Core Concepts
ブラインドスポットノイズ除去の原理に基づいた新しいアプローチであるMASHを提案し、実世界の画像におけるノイズ除去の性能を大幅に向上させた。
Abstract
本研究では、リアルワールドの画像に対するノイズ除去の問題に取り組んでいる。特に、相関したノイズが存在する場合に焦点を当てている。
まず、ブラインドスポットノイズ除去(BSD)の手法を分析し、入力の遮蔽率とノイズの相関度の関係を明らかにした。その結果、ノイズが高相関の場合は高い遮蔽率が、ノイズが低相関の場合は低い遮蔽率が有効であることを示した。
この分析に基づき、MASHと呼ばれる新しい手法を提案した。MASHは、入力の遮蔽率を動的に最適化するとともに、ノイズの相関を低減するためにピクセルのシャッフリングを行う。
実験の結果、MASHは既存の自己教師あり手法と比べて顕著な性能向上を示し、特に相関の高いノイズが存在する場合に有効であることが確認された。
Stats
ノイズの相関度が高い場合、高い遮蔽率を使うことで性能が向上する
ノイズの相関度が低い場合、低い遮蔽率を使うことで性能が向上する
ノイズの相関度を推定することで、最適な遮蔽率を自動的に選択できる
ピクセルのシャッフリングを行うことで、ノイズの相関を低減できる
Quotes
"我々は、ブラインドスポットノイズ除去(BSD)の原理に基づいた新しいアプローチであるMASHを提案する。"
"MASHは、入力の遮蔽率を動的に最適化するとともに、ノイズの相関を低減するためにピクセルのシャッフリングを行う。"