变换域图像去噪：Practical Deep Raw Image Denoising on Mobile Devices

Paper：Practical Deep Raw Image Denoising on Mobile Devices

噪声模型：带噪图 $x$ 与无噪图 $x^{\ast }$ 的关系，$k$ 跟 $\sigma$ 与曝光水平ISO相关

因此直接学 $x$ 到 $x^{\ast }$ 的映射会加大网络的负担，因为ISO不同噪声水平就不同，结果就是学习一个对各个水平都好的网络，导致效果中庸。

本文灵感源于方差稳定变换(variance stabilizing transformations)，对$x$ 作变换

并且将 $P(\lambda )$ 近似为 $N(\lambda ,\lambda )$，可得新的 $x$ 与 $x^{\ast }$ 的对应关系

这样 $f(x)$ 与 $f(x^{\ast })$ 的关系就与ISO无关了，网络只需要拟合正态分布

因此去噪问题可以利用网络在变换域（$k-\sigma$域）解决，

现在的问题是如何得到 $f(\cdot )$ 和 $f^{-1}(\cdot )$。变换中有两个参数 $k$ 跟 $\sigma$ ，根据之前的噪声模型

对某类传感器，曝光水平ISO固定时，可以用线性回归估计当前 ISO的 $k$ 跟 $\sigma$ 。因此可以提前估计好该传感器在不同 ISO 下的 $k$ 跟 $\sigma$ ，并记录下来。

因此，根据实际拍摄时设定的 ISO，查表得当前 ISO 对应的 $k$ 跟 $\sigma$ ，做正变换，传给网络去噪，做逆变换，就可以完成去噪任务。

有一个问题，既然 $E(x)=x^{\ast }$，那为何不直接多拍几张算平均，还弄得这么麻烦？文中给出的答案是，这里不直接求平均得去噪图像的原因是，1）实际拍摄中也许手会抖，对多张图像需要快速且准确的校准模块；2）目标移动时方法失效；3）噪声水平很高时，效果不理想（弱结论）。

个人认为网络不是本文重点，一个U-Net风格的网络，$L_1$ loss。 为了减轻计算，用了很多 depth-wise 和 point-wise conv，且在encoder中用5x5卷积来让网络不那么深又能有一定的感受野。

实验部分，参数估计时，可以从原始噪声模型看出 $k$ 跟 $g$（与 ISO 相关）是线性的， $\sigma$ 跟 $g$ 是二次的，因此用对应的曲线拟合测到的 ISO散点图。这样就可以用合成数据（ISO是连续的）训练了。