tony365的博客

1）pair, 2）噪声模型合成噪声图，3） 无监督unpair, 和4）作者提出的利用down scale图近似ground truth。损失函数是 估计 的 noisy image 与 ground truth的L1。2）卷积网络学习raw2srgb的转换。1）利用重参数化技术噪声水平估计。3）denoiser的设计。

对于场景很暗的图像，又lowbit的情况下，数据量比较少，难以通过统计信息得到 比较多有价值的信息。通过以上步骤可知，在已知 clean-noisy(noisy可以是合成的) pair和噪声参数的情况下可以得到增强后的clean-noisy pair。和一般的通道颜色增强还是不同的，这里clean, noisy的通道都发生变化，增强了数据的多样性同时保持噪声model。泊松噪声的参数可以通过flat frame标定得到，而其他噪声作者采用采样的方式得到，从哪里采样呢？