最近,自监督神经网络显示出出色的图像去噪性能。然而,当前的无数据集方法要么计算量大,需要噪声模型,要么图像质量不足。在这项工作中,我们展示了一个简单的 2 层网络,无需任何训练数据或噪声分布知识,就可以以较低的计算成本实现高质量的图像去噪。我们的方法受到 Noise2Noise 和 Neighbor2Neighbor 的启发,并且适用于逐像素独立噪声的去噪。我们对人工、真实世界相机和显微镜噪声的实验表明,我们称为 ZS-N2N(零散粒噪声2噪声)的方法通常以更低的成本优于现有的无数据集方法,使其适用于数据可用性稀缺且受限的用例计算资源。可以在下面找到我们的实现演示,包括我们的代码和超参数。
论文标题:Zero-Shot Noise2Noise: Efficient Image Denoising without any Data
论文链接:https://arxiv.org/pdf/2303.11253.pdf
论文代码:https://colab.research.google.com/drive/1i82nyizTdszyHkaHBuKPbWnTzao8HF9b?usp=sharing