CVPR2020原论文:Noisier2Noise: Learning to Denoise from Unpaired Noisy Data
1.主要内容:
针对图像去噪声,提出了一种无需ground truth的训练神经网络的方法。
该方法对高斯噪声和空间相关性噪声都有效。
2.Noisier2Noise方法
对于没有ground truth的单幅图像降噪,我们很难直接预测估计噪声。例如,未知噪声模型的噪声X。
文章提出了估计未知噪声X的方法:
设有含有未知噪声X(噪声模型未知)的图像,已知噪声模型A。则对图像添加一个A类噪声N(即N~A)。
则有:
再添加一个A类噪声M(即M~A)。
则有:
因此,得到图像对(Z,Y),并将Z作为网络输入,来预测输出,使网络输出接近Y。这个过程类似去噪声M。故而训练采用L2损失函数:
其中f(;θ)表示深度网络。
我