【ECCV 2020】Spatial-Adaptive Network for Single Image Denoising
当前基于CNN的图像去噪方法取得很大进展,但是 Traditional CNN can use only the features in local fixed-location neighborhoods, these methods result in oversmoothing artifacts and some details are lost. 此外,receptive field of a traditional CNN is relatively small.
为了解决这个问题,作者提出了spatial-adaptive denoising network (SADNet),总体架构如下图所示。首先使用一个卷积层得到 initial features,然后这些特征输入 multiscale encoder-decoder 网络中。在 encoder 中,使用 ResBlock 特征特征(去掉了 BN,使用 LeakyReLU)。在 decoder 中,设计了 residual spatial-adaptive block (RSAB) ,可以实现 sample and weight the related features to remove noise and reconstruct the textures.
RSAB模块如下图所示,是一个集成了 deformable convolution 的模块。
Context block: 作者指出,多尺度信息对于图像去噪任务来说非常关键,因此,当前方法多使用 downsampling 技术。但是,下采样过程中,图像结构被破坏了,不利于特征重建。为了增大感受野与获取多尺度信息的同时,又不破坏空间分辨率,作者引入了 context block,结构如下图所示。作者也指出,该模块已经在图像分割、去模糊中成功应用。该模块使用几个 dilated convolution with different dilation rates,这样可以在不增加参数以及破坏图像结构的前提下增大感受野。