ENGLISH
|
学校主页
学院主页
学院概况
学院简介
现任领导
组织机构
联系方式
师资队伍
教授
副教授
讲师
党委行政
科学研究
研究中心
数苑博雅讲座
学术报告
学术会议
科研项目
科研论文
本科教学
教学动态
精品课程
教学团队
本科生实习
专业介绍与培养方案
研究生培养
研究生培养动态
研究生专业方向
研究生培养方案
党建园地
党建动态
数院党校
学生工作
学工热点
研究生园地
班团快讯
体坛风云
社团采风
学工制度
合作交流
校友动态
校友动态
人才招聘
科学研究
研究中心
数苑博雅讲座
学术报告
学术会议
科研项目
科研论文
学术报告
当前位置:
学院主页
>
科学研究
>
学术报告
> 正文
CurvPnP: Plug-and-play blind image restoration with deep curvature denoiser
发布时间:2022-11-30 作者: 浏览次数:
Speaker:
段玉萍
DateTime:
2022年12月6日(星期二)上午11:00--12:00
Brief Introduction to Speaker:
段玉萍,教授,天津大学
Place:
腾讯会议(892873849)
Abstract:
Due to the development of deep learning-based denoisers, the plug-and-play strategy has achieved great success in image restoration problems. However, existing plug-and-play image restoration methods are designed for non-blind Gaussian denoising, the performance of which visibly deteriorate for unknown noises. To push the limits of plug-and-play image restoration, we propose a novel framework with blind Gaussian prior, which can deal with more complicated image restoration problems in the real world. The experimental results on image denoising, deblurring and single-image super-resolution are provided to demonstrate the advantages of our deep curvature denoiser and the resulting plug-and-play blind image restoration method over the state-of-the-art model-based and learning-based methods. Our model is shown to be able to recover the fine image details and tiny structures even when the noise level is unknown for different image restoration tasks.
上一条:
Frank-Wolfe type methods for nonconvex inequality-constrained problems
下一条:
量子群系列报告(三)Symmetric groups and Hecke algebras