实体
Noise2Noise
Noise2Noise
PulseAugur coverage of Noise2Noise — every cluster mentioning Noise2Noise across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
Noise2Match：揭示自监督CT去噪方法
研究人员开发了Noise2Match，一种用于低剂量计算机断层扫描（CT）图像去噪的新型自监督方法。与以往在处理相关噪声或层间错位方面存在困难的方法不同，Noise2Match采用自适应层间匹配网络来应对这些挑战。该方法理论上可实现监督训练的等效性，并在低剂量锥束CT（CBCT）去噪方面显示出潜力，优于现有的自监督技术。
-
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。
-
AI模型显著加快太赫兹光谱数据采集速度
研究人员开发了一种使用Noise2Noise增强去噪方法的自监督学习方法，以提高太赫兹时域光谱（THz-TDS）数据的质量。该技术允许从单次扫描中恢复高质量的太赫兹波形，从而显著减少测量时间。提出的模型是一个紧凑的一维残差U-Net，实现了约5.4倍的迹线缩减因子，这意味着一个去噪后的迹线提供了平均五个原始迹线的准确性，优于经典的维纳滤波。