文摘目的进一步提高图像复原的性能。方法提出一种基于隐式知识迁移(Implicit knowledge transfer)和显式掩码引导(Explicit mask guide)的图像复原通用方法IECNN。将一般的图像复原任务明确拆分为退化区域定位和区域引导复原等2个阶段。首先利用掩码预测网络中固有的退化定位知识,并进行训练,检测严重退化区域,然后提出一种自适应的注意力知识蒸馏方法,将退化区域知识隐式迁移到复原网络中,且无须任何额外的推理计算,随后提出一种掩码引导下的2种模块,在扩充全局感受野的同时重点关注退化区域,以此显式进行图像复原。结果在进行消融实验时,通过可视化特征图与成对关系图直观展现了各个组件的有效性。为了证明文中方法的通用性,在4种空间变化的图像复原任务中,以峰值信噪比(Peak signal to noise ratio)和结构相似性(Structural similarity)2个指标与其他基准方法进行了定量比较,在视觉效果上进行了定性比较。结论证明了隐式知识迁移和显式掩码引导对于图像复原的有效性。
