近日，计算机与人工智能学院范琳伟副教授与硕士生崔瑾合作撰写的论文“Complementary Blind-Spot Network for Self-Supervised Real Image Denoising”在《IEEE Transactions on Circuits and Systems for Video Technology（TCSVT）》期刊（2024年10月）上发表。该刊为计算机图形学与多媒体领域的权威期刊，中科院SCI一区Top期刊，影响因子为8.4，系我校A1类期刊。

论文针对当前盲点网络在真实图像复原中存在的不足，提出了一种基于像素信息互补增强的自监督复原网络。该网络能够在预处理阶段进一步消除噪声空间相关性，同时采用两种盲点设置策略实现双分支交互，有效解决了传统网络忽略中心像素信息的问题。此外，引入了一个高效的损失函数，为自监督学习提供信息更丰富的优化目标，从而显著提升了学习效果。在测试阶段，提出了一个后处理策略，旨在平衡输出图像在平坦和纹理区域的恢复效果，进而削弱伪影现象对视觉感知的不良影响。在多个基准数据集上的实验结果表明，本文方法优于现有自监督方法，并展现出卓越的去噪复原能力。