Noise2Noise：圖像降噪，無需乾淨樣本，原因非常簡單

arxiv.org

這個文章寫了很長，其實它說的事情非常簡單。

本來我們做圖像降噪，需要輸入的噪音圖像 x，和 「乾淨樣本」 y。

例如，x 是路徑跟蹤渲染用少數光束渲染的圖片，y 是長期渲染後的圖片。那麼如果用 y 作為訓練目標，生成 y 是個非常費時費力的過程。

但其實你如果仔細想想，可以用另一次快速渲染生成的另一個噪音圖像（它相當於 y + 另一個不同的噪音）作為訓練目標（所以叫Noise2Noise）。只要訓練樣本夠多，最終也相當於用 y 作為訓練目標。原因是簡單的統計學原理。

下面是效果，可見用另一個噪音圖像作為訓練目標 (b)，效果和用乾淨圖像作為訓練目標 (c) 最終的效果幾乎一樣好。

而且訓練過程和速度也幾乎一樣，例如：

嚴格說來，這個需要兩次獨立的觀測，還是沒有 Deep Image Prior 神奇，當然它的運行速度比 Deep Image Prior 快多了。