在本文中，我们提出了一种基于学习的方法来对低光照条件下捕获的原始视频进行降噪。我们建议通过使用卷积神经网络（CNN）首先将相邻帧与当前帧明确对齐来做到这一点。然后，我们使用另一个CNN融合已注册的帧，以获得最终的降噪帧。为了避免直接对齐时间上遥远的帧，我们在多个阶段执行对齐和融合这两个过程。具体来说，在每个阶段，我们对三个连续的输入帧执行去噪处理，以生成中间去噪帧，然后将其作为输入传递到下一个阶段。通过分多个阶段执行该过程，我们可以有效利用相邻帧的信息，而无需直接对齐时间上相距较远的帧。我们使用带有条件判别器的对抗损失来训练多阶段系统。具体而言，我们将鉴别器置于软梯度掩膜上，以防止在平滑区域引入高频伪像。我们证明了我们的系统能够产生具有真实细节的时间相干视频。此外，我们通过广泛的实验证明，我们的方法在数值和视觉上均优于最新的图像和视频去噪方法。



"点击查看英文标题和摘要"