search

Baymax-chen / EMVD

Efficient Multi-Stage Video Denoising With Recurrent Spatio-Temporal Fusion. CVPR_2021.
117 stars 20 forks source link

噪声模型参数的使用方法？ #1

Open Guanner opened 3 years ago

Guanner commented 3 years ago

Hi, 首先非常感谢您复现并共享这个工程，为我理解论文和模型结构提供非常大的帮助。 其次有个问题需要请教，我看您训练及推理时的coeff_a/coeff_b是用RViDeNet标定的shot/read值直接除以(MAX-BL)进行归一化，可我看RViDeNet论文里噪声参数的标定过程是在12bit图像上进行的，请问可以直接这么用么？因为按照噪声模型y=kx+b的话推导不出12bit->归一化浮点数之间的线性关系呢？ 烦请回复 BR

zhuolingfeng commented 3 years ago

您好！我认为这边是把每一个像素的噪声分布近似为一个高斯分布，那么归一化的过程中，令max=MAX-BL，那么归一化之后均值x'=x/max，方差sigma'=sigma/max^2，所以归一化之后的像素噪声满足方差sigma'=sigma/max^2=(kx+b)/max^2=(kx'*max+b)/max^2=kx'/max+b/max^2.

Baymax-chen commented 3 years ago

您好，根据方差的性质，D(Ax)=A^2*D(x). 令sigma^2=ax+b=D(x)， 则D(Ax)=A^2*D(x)=A^2*(ax+b)=(A*a)*(Ax)+(A^2*b).

因此，归一化后的Ax，对应的coeff_a = A*a, coeff_b = A^2*b.

而实际上，我认为网络训练过程中，coeff_a/coeff_b是否进行归一化对结果的影响不是特别大，网络具备对这样线性权重的适应能力。