深度学习——Noisier2Noise

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