零样本Noise2Noise：无需任何数据的高效图像去噪
计算机视觉与模式识别
2023-05-11 v3
摘要
近来，自监督神经网络展现出了优异的图像去噪性能。然而，当前无数据集的方法要么计算开销大，要么需要噪声模型，要么图像质量不足。在本工作中，我们表明一个简单的2层网络，无需任何训练数据或噪声分布知识，即可以低计算成本实现高质量图像去噪。我们的方法受Noise2Noise与Neighbor2Neighbor启发，对逐像素独立噪声的去噪效果良好。我们在人工、真实世界相机及显微镜噪声上的实验表明，我们称为ZS-N2N（Zero Shot Noise2Noise）的方法常以更低成本优于现有无数据集方法，使其适用于数据稀缺与计算资源有限的使用场景。我们实现的演示（含代码与超参数）可在以下colab笔记本中找到：https://colab.research.google.com/drive/1i82nyizTdszyHkaHBuKPbWnTzao8HF9b
引用
@article{arxiv.2303.11253,
title = {Zero-Shot Noise2Noise: Efficient Image Denoising without any Data},
author = {Youssef Mansour and Reinhard Heckel},
journal= {arXiv preprint arXiv:2303.11253},
year = {2023}
}