Resumo Técnico: GALOSH – Redução de Ruído Cega, Sem Treinamento, via Contração Local Amigável ao Paralelismo

1. Declaração do Problema

A redução de ruído em imagens é atualmente dominada por duas famílias distintas, cada uma com limitações significativas:

• Métodos Clássicos Sem Treinamento (ex: BM3D, Non-Local Means): Estes métodos generalizam bem entre sensores sem dados de treinamento, mas dependem fortemente de busca dependente de conteúdo (correspondência de blocos, ponderação de vizinhança). Esse mecanismo de busca cria acessos irregulares à memória e fluxo de controle dependente de dados, o que dificulta a vetorização, a ocupação da GPU e implementações de latência fixa. Além disso, eles tipicamente assumem um nível de ruído conhecido.
• Métodos Aprendidos (CNNs, Transformers): Estes alcançam a maior qualidade dentro de seu domínio de treinamento, mas exigem pares de treinamento extensos, sofrem de degradação catastrófica fora de sua distribuição de treinamento e demandam altos orçamentos computacionais (dezenas de milhares de MACs por pixel) que efetivamente necessitam de aceleração por GPU.

O artigo questiona: Quanto da qualidade da família clássica sobrevive se a busca for removida por design? O objetivo é criar um redutor de ruído cego, sem treinamento e multi-domínio que seja rápido, paralelizável e adequado para hardware de latência fixa sem sacrificar a qualidade perceptual.

2. Metodologia: GALOSH

GALOSH (Generalized Anscombe LOcal SHrinkage) substitui a arquitetura baseada em busca dos métodos clássicos por um pipeline onde cada estágio é local, regular e independente de dados. O grafo de computação é fixo para cada pixel, permitindo uma paralelização trivial.

O pipeline consiste em quatro estágios principais:

A. Estimativa de Ruído Cega

Em vez de assumir um nível de ruído conhecido, o GALOSH ajusta um modelo de ruído Poisson–Gaussiano ($Var[x] = \alpha E[x] + \sigma^2$) diretamente do quadro ruidoso. Isso é alcançado via regressão robusta da variância do Laplaciano local contra a média local sobre blocos sobrepostos (um estimador estilo Foi), gerando parâmetros $(\alpha, \sigma^2)$ por imagem sem dados de oráculo ou calibração.

B. Estabilização de Variância (GAT)

Uma Transformada de Anscombe Generalizada (GAT) mapeia o ruído dependente do sinal para um ruído Gaussiano de aproximadamente variância unitária. Isso permite que um único limiar global seja válido para todo o quadro. A transformação utiliza um inverso exato não enviesado para a reconstrução.

C. Contração de Luminância Local de Dois Passos (LOSH)

A luminância é reduzida usando uma contração local de ciclo girado (cycle-spun) em blocos Walsh–Hadamard de $8 \times 8$ sobrepostos, substituindo a pilha 3D colaborativa do BM3D:

1. Passo 1: Aplica um limiar BayesShrink robusto para gerar uma estimativa piloto.
2. Passo 2: Aplica um ganho de Wiener empírico computado a partir dos coeficientes do piloto.
   Os blocos sobrepostos são recombinados via soma de sobreposição com janela (windowed overlap-add). Isso remove toda a dependência de conteúdo enquanto retém a arquitetura de refinamento "contrair-então-Wiener" do BM3D.

D. Regressão de Crominância Guiada pela Luminância

A crominância é tratada de forma diferente da luminância com base em requisitos perceptuais:

• Ruído de luminância aparece como grão e coexiste com a textura; portanto, é contraído conservadoramente para preservar a estrutura de alta frequência.
• Ruído de crominância aparece como manchas de cor inaceitáveis; portanto, é suavizado agressivamente.
  Os planos de crominância são reduzidos via uma regressão local ponderada pelo grau-1 (LOESS) guiada pela luminância reduzida de ruído. Um pirâmide de resíduos multiescala lida com manchas de grão grande. Crucialmente, os valores de crominância reconstruídos são limitados ao intervalo de crominância local de entrada para evitar a "invenção" de cores não presentes na entrada.

Front-Ends de Domínio

Um único núcleo opera em duas entradas:

1. GALOSH-RAW: Trabalha diretamente em mosaicos Bayer. Uma transformada Walsh–Hadamard $2 \times 2$ divide cada quad para separar os planos de luminância de resolução total e crominância de metade da resolução.
2. GALOSH-YUV/RGB: Trabalha em imagens sRGB renderizadas. A entrada é linearizada e convertida para YCbCr BT.709; a crominância é processada em resolução total sem subamostragem.

3. Principais Contribuições

1. Pipeline Sem Busca: Um pipeline de redução de ruído totalmente cego e sem treinamento, onde todos os estágios são locais, regulares e independentes de dados, apresentando um núcleo compartilhado com dois front-ends de domínio (Raw Bayer e sRGB/YUV).
2. Superioridade Perceptual sobre Métodos Clássicos: Evidência em quatro benchmarks de ruído real (SIDD Medium, RawNIND) mostrando que o GALOSH é o método cego e sem treinamento mais forte, superando as famílias BM3D e NLM mesmo quando estas bases são fornecidas com um nível de ruído oráculo.
3. Velocidade e Eficiência de Hardware: Uma demonstração de que a remoção da busca gera aumentos massivos de velocidade (7×–650× mais rápido que baselines de deep learning em GPU) e desempenho prático em CPU. O grafo de computação fixo mostra-se naturalmente mapeável para hardware de ponto fixo e streaming via uma análise de contagem de operações e uma realização prática em INT16.

4. Resultados Experimentais

O artigo avalia o GALOSH contra baselines clássicos (BM3D, NLM e suas variantes) e baselines de deep learning (Blind2Unblind, NAFNet, Restormer, SCUNet) nos domínios Raw Bayer e sRGB.

• Domínio Raw: O GALOSH atinge as melhores métricas perceptuais (LPIPS, DISTS) entre todos os métodos cegos e sem treinamento, por uma margem ampla, aproximando-se da maioria da lacuna com a rede treinada Blind2Unblind sem qualquer treinamento.
• Domínio sRGB:
  • O GALOSH vence decisivamente os métodos clássicos cegos (ex: 35.01 dB vs. 27–29 dB no SIDD sRGB).
  • Mesmo quando os métodos clássicos recebem um nível de ruído oráculo, eles falham em igualar o desempenho do GALOSH, provando que a vantagem reside no algoritmo, não apenas na estimativa de ruído.
  • Comparação com DL Treinado: Em dados do mesmo domínio (SIDD), redes treinadas (ex: NAFNet) mantêm uma liderança moderada. No entanto, em dados de domínios cruzados (RawNIND) em ISO alto, as redes treinadas mantêm apenas uma pequena liderança (+0.3–0.7 dB) sobre o GALOSH, enquanto o GALOSH supera significativamente os métodos clássicos. Notavelmente, o GALOSH permanece numericamente estável em cenas de quase preto, onde algumas redes treinadas divergem.
• Velocidade:
  • GPU: 0.76s por quadro raw de 16-MP (vs. 5.6s para Blind2Unblind) e 0.87s para sRGB de 15.8-MP (vs. 13.5s–565s para baselines de DL).
  • CPU: O GALOSH é o único método forte praticável em CPUs, rodando 2–3× mais rápido que BM3D-CFA/NLM-CFA em dados raw e mais rápido que Color-NLM em sRGB com maior qualidade.

5. Significância e Alegações

O artigo afirma que o GALOSH demonstra que a busca não é essencial para uma alta qualidade de redução de ruído. Ao substituir a busca dependente de conteúdo por uma contração local de variância estabilizada e ciclo girado, e por uma regressão guiada pela luminância, o método retém e estende a qualidade da família clássica enquanto alcança:

• Cegueira: Sem necessidade de dados de treinamento ou oráculo de nível de ruído.
• Cobertura Multi-Domínio: Um único núcleo lida tanto com mosaicos raw quanto com imagens renderizadas.
• Paralelismo e Latência: A estrutura fixa e independente de dados permite implementações de latência fixa e mapeamento natural para hardware de streaming de ponto fixo (suportado por uma realização INT16).
• Robustez: Evita a degradação de domínio e instabilidade numérica às vezes observadas em redes treinadas.

Os autores posicionam o GALOSH não como um competidor de estado da arte em qualidade para redes treinadas in-domain, mas como uma solução superior para as restrições específicas de redução de ruído cega, sem treinamento, multi-domínio e eficiente em hardware.