摘要

本文提出了一种基于学习的低光照条件下原始视频去噪方法。该方法首先利用卷积神经网络（CNN）显式地将相邻帧对齐至当前帧，随后通过另一CNN对配准后的帧进行融合，以生成最终的去噪帧。为避免直接对时间上相距较远的帧进行对齐，我们采用多阶段的方式分别执行对齐与融合操作。具体而言，在每一阶段中，系统对三帧连续输入帧进行去噪处理，生成中间去噪帧，并将其作为下一阶段的输入。通过多阶段处理，我们能够在不直接对远距离时间帧进行对齐的前提下，有效利用邻近帧之间的信息。我们采用带有条件判别器的对抗性损失来训练该多阶段系统，其中判别器以软梯度掩码作为条件，以抑制平滑区域中高频伪影的引入。实验结果表明，所提方法能够生成具有时间一致性的高质量视频，并保留丰富的真实细节。此外，通过大量实验验证，本方法在数值指标和视觉效果上均优于当前最先进的图像与视频去噪技术。