参数化低秩正则器

图像恢复更鲁棒

用神经网络参数化因子矩阵并隐式施加惩罚，增强了低秩先验在多种退化下的泛化能力。

Xu, Shuang · Zhao, Zixiang · 曹相湧 · Peng, Jiangjun · 赵熙乐 · Meng, Deyu · Zhang, Yulun · Timofte, Radu · van Gool, Luc J.

International Journal of Computer Vision 2025

技术优势

严重退化也恢复得准

神经参数化自动施加对因子矩阵的惩罚，使低秩先验在严重退化下也能准确重建低秩数据。

泛化到多种任务

网络参数中编码的知识能增强泛化，使得PLRR对图像的不同退化、时间变化和场景上下文都表现出鲁棒能力。

一个工具搞定五类逆问题

PLRR可作为一个通用的低秩建模工具，直接应用于视频前景提取、HSI去噪和修复、多时相MSI去云以及引导盲超分辨率等任务。

应用场景

• 高光谱图像处理：可直接用于HSI去噪、修复，以及MSI引导的盲超分辨率。
• 视频前景提取：用于将视频前景从背景中准确地分离。
• 遥感图像恢复：处理多时相多光谱图像的去云，恢复被云遮挡的地物信息。
• 视觉数据恢复：作为通用低秩模型，恢复受严重退化影响的视觉数据。