要約
深層畳み込みニューラルネットワーク（CNNs）は特定のノイズをモデリングし、除燥する能力において優れた成果を示していますが、実世界のノイジーア画像に対しては依然として性能が低いという問題があります。その主な理由は、実世界のノイズがより複雑で多様であるためです。本論文では、この盲除燥の問題に対処するために、新たなピラミッドリアルイメージ除燥ネットワーク（PRIDNet）を提案します。このネットワークには3つの段階が含まれています。まず、ノイズ推定段階ではチャネルアテンションメカニズムを使用して入力ノイズのチャネル重要度を再調整します。次に、マルチスケール除燥段階ではピラミッドプーリングを利用し、多スケール特徴量を抽出します。最後に、特徴量融合段階ではカーネル選択操作を採用し、多スケール特徴量を適応的に融合します。実際のノイジーア写真から構成される2つのデータセットでの実験結果は、当手法が最新の除燥器と比較しても定量評価および視覚的品質において競争力のある性能を達成できることを示しています。コードは https://github.com/491506870/PRIDNet で入手可能です。注：「ノイジーア」は原文にない表現ですが、「noisy」の形容詞形として使用しました。「real-world noisy images」は一般的に「実世界のノイジー画像」と訳されることが多いですが、「実世界のノイジーア画像」と訳すことで一貫性を持たせました。ただし、「実世界のノイジー画像」でも問題ありません。