Abstract

深度学习为图像恢复提供了一种新的途径，在恢复潜在清晰图像时，需要在细粒度细节和高级上下文化信息之间取得微妙的平衡。

但在实践中，现有方法在构建封装的端到端映射网络时，没有深入挖掘其合理性，忽视了恢复任务固有的先验知识。

为了解决上述问题，这篇文章在泰勒近似的启发下，展开泰勒公式来构建一个新的图像恢复框架。

泰勒逼近的主体部分和导数部分分别与图像恢复的高级背景信息和空间细节两个竞争目标具有相同的效果。

具体来说，该框架包括两个步骤，分别负责映射函数和导数函数。

前者首先学习上下文化的高阶信息，后者将其与退化输入相结合，逐步恢复局部高阶空间细节。

所提出的框架与现有的方法是正交的，因此可以很容易地与它们集成以进一步改进，大量的实验证明了提出的框架的有效性和可扩展性。

Conclusion

这篇文章提出了一个新的框架，深度泰勒逼近框架，通过展开泰勒公式进行图像恢复。

所提出的框架与现有的基于深度学习的图像恢复方法是正交的，因此可以很容易地与这些方法集成，以进一步改进。

大量的评估证明了框架在图像恢复任务中的有效性和可解释性，即图像去雨和图像去模糊。