释放自监督图像去噪的威力：全面综述

深度学习的出现为图像去噪技术带来革命性变革。然而，现实场景中为有监督方法获取干净-噪声图像对的持续挑战依然艰巨，亟需探索更实用的自监督图像去噪。本文聚焦能提供有效方案应对该挑战的自监督图像去噪方法。我们的全面综述深入分析了自监督图像去噪方法的最新进展，将其分为三类：通用方法、基于盲点网络（BSN）的方法以及基于Transformer的方法。对每类，我们给出简明的理论分析与实际应用。为评估方法有效性，我们在多个数据集上给出定量与定性实验结果，以经典算法为基准。此外，我们批判性地讨论这些方法的当前局限并提出有前景的未来研究方向。通过详述自监督图像去噪近期发展，本综述作为该领域研究者与从业者的宝贵资源，促进对新兴领域的更深理解并启发进一步进展。