摘要

图像修复是一项低层视觉任务，旨在将退化的图像恢复为无噪声的清晰图像。随着深度神经网络的成功应用，卷积神经网络已超越传统修复方法，成为计算机视觉领域的主流技术。为进一步提升去噪算法的性能，本文提出了一种盲真实图像去噪网络（SRMNet），其架构基于改进的U-Net层级结构。具体而言，我们在层级结构中引入了带有残差块的可选择核（selective kernel），构建了称为M-Net的模块，以增强多尺度语义信息的表达能力。此外，SRMNet在两个合成数据集和两个真实世界噪声数据集上均取得了具有竞争力的定量指标与视觉质量表现。项目源代码及预训练模型已公开，可访问 https://github.com/TentativeGitHub/SRMNet 获取。