sgnet:具有自我指导的联合去马赛克和去噪，cvpr 2020-源码

这是具有自我指导的纸质联合去马赛克和去噪的实现。 具有自我指导的联合去马赛克和去噪（CVPR'20） 刘琳，徐佳，刘建壮，田奇 抽象的 去马赛克和去噪通常位于计算摄影流程的早期阶段，在现代相机图像处理中起着重要的作用。 最近，一些神经网络已经显示出联合去马赛克和去噪（JDD）的有效性。 他们中的大多数人首先将拜耳原始图像分解为四通道RGGB图像，然后将其馈入神经网络。 这种做法忽略了绿色通道与红色通道和蓝色通道相比以两倍的速率采样的事实。 在本文中，我们提出了一种自导网络（SGNet），该网络首先估计绿色通道，然后作为恢复输入图像中所有缺失值的指南。 另外，由于不同频率的区域在图像恢复中遭受不同程度的退化。 我们提出了密度图指导，以帮助模型处理广泛的频率。 我们的模型在四个公共数据集（包括两个真实数据集和两个合成数据集）上表现出了最先进的联合去马赛克和去噪方法。 最后，我们还验证了我们的