欢迎来到《每周CV论文推荐》。在这个专栏里，还是本着有三AI一贯的原则，专注于让大家能够系统性完成学习，所以我们推荐的文章也必定是同一主题的。
图像降噪是一个非常基础的图像处理领域，随着生成对抗网络技术的成熟，基于GAN的图像降噪在一些复杂问题上取得了比较不错的进展，本次我们来简单给大家推荐一些初学者值得关注的工作。
作者&编辑 | 言有三
1 基本噪声仿真模型
我们之所以研究GAN模型用于图像降噪，主要就是因为GAN模型有非常好的图像生成能力，可以用于仿真真实的图像噪声，从而制造更多数据集，改善模型在真实噪声数据上的泛化能力，GAN-CNN Based Blind Denoiser是一个最基本的思路可供参考。
文章引用量：400+
推荐指数：✦✦✦✦✧
[1] Chen J, Chen J, Chao H, et al. Image blind denoising with generative adversarial network based noise modeling[C]//Proceedings of the IEEE conference on computer vision and pattern recognition. 2018: 3155-3164.
2 条件GAN噪声仿真模型
图像噪声的来源有很多因素，不同相机设备，不同拍照参数（ISO等），外界干扰等都会影响噪声的不同，如果将这些因素考虑进去，可以更加精确地生成噪声，其中GRDN是一个非常典型的工作。
文章引用量：80+
推荐指数：✦✦✦✦✧
[2] Kim D W, Ryun Chung J, Jung S W. Grdn: Grouped residual dense network for real image denoising and gan-based real-world noise modeling[C]//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops. 2019: 0-0.
3 联合噪声仿真与去噪模型
如果仅仅只考虑噪声生成，还只是完成了数据仿真这一步，这与最终的图像去噪任务没有形成很好的反馈，如果同时考虑图像加噪与去噪，将会更有利于改进模型的噪声仿真和去噪能力。
文章引用量：70+
推荐指数：✦✦✦✦✧
[3] Yue Z, Zhao Q, Zhang L, et al. Dual adversarial network: Toward real-world noise removal and noise generation[C]//European Conference on Computer Vision. Springer, Cham, 2020: 41-58.
[4] Cai Y, Hu X, Wang H, et al. Learning to generate realistic noisy images via pixel-level noise-aware adversarial training[J]. Advances in Neural Information Processing Systems, 2021, 34: 3259-3270.
4 图像降噪应用
由于噪声的类型非常多，因此图像降噪有非常多的典型应用，比如图像去雨是一个被研究的小众但有现实意义的问题，其他还有一些与图像修复相关的任务，比如去除一些污垢，瑕疵等。
文章引用量：1400+
推荐指数：✦✦✦✦✧
[5] Zhang H, Sindagi V, Patel V M. Image de-raining using a conditional generative adversarial network[J]. IEEE transactions on circuits and systems for video technology, 2019, 30(11): 3943-3956.
[6] Qian R, Tan R T, Yang W, et al. Attentive generative adversarial network for raindrop removal from a single image[C]//Proceedings of the IEEE conference on computer vision and pattern recognition. 2018: 2482-2491.
5 如何实战
为了帮助大家掌握基于GAN的图像降噪等问题！我们推出了相关的专栏课程《深度学习之图像增强GAN：理论与实践》，全面讲解基于GAN的图像降噪、色调映射、去模糊、超分辨、修复等问题，感兴趣可以进一步阅读：
