论文阅读——FFDnet、CBDnet、SRMD

最近在尝试去噪这个方向的学习

DnCNN、FFDnet、CBDnet这三篇觉得应该是联系十分紧密的一个系列，是逐步泛化，逐步考虑增加噪声复杂的一个过程，DnCNN主要针对高斯噪声进行去噪，强调残差学习和BN的作用，FFDnet考虑将高斯噪声泛化为更加复杂的真实噪声，将噪声水平图作为网络输入的一部分，CBDnet主要是针对FFDnet的噪声水平图部分入手，通过5层FCN来自适应的得到噪声水平图，实现一定程度上的盲去噪。

SRMD不同于前三篇，主要是从bicubic入手，考虑模糊核和噪声水平的影响，将LR、模糊核、噪声水平统一的输入网络中，来实现对不同退化模型的复原，我认为这一点上还是有可以进一步的空间，SRMD需要给定模糊核和噪声水平，那么能不能通过类似CBD的形式来实现自适应？能否实现对规模大、任意种类的模糊核进行复原？然后发现DPSR那篇似乎可以算是SRMD的延伸，这两天去阅读以下。

具体的论文笔记我在学习的时候主要参考了下面这三篇，我觉得写的很详细就没有在自己排版写了。

FFDnet

CBDnet

SRMD

转载于:https://www.cnblogs.com/mjhr/p/11497167.html