Kodak24

Noise2Noise 去噪性能受训练数据分布驱动，而非损失函数选择

一篇新论文重新审视了 Noise2Noise (N2N) 自监督去噪技术，挑战了关于 L1 损失优于 L2 损失的普遍假设。研究表明，训练对分布，而非损失函数的选择，是影响 N2N 性能的主要因素。在合成和真实世界噪声数据集上的实验表明，在特定噪声分布上训练的 N2N 模型取得了显著的提升，甚至在没有干净参考图像的情况下，当使用相关的噪声对进行训练时，其性能也超越了 BM3D 等传统方法。