type
status
date
slug
summary
tags
category
icon
password
论文题目：Toward Convolutional Blind Denoising of Real Photographs
代码地址为：
故事会环节：
过去的方法使用高斯噪声建模进行噪声数据合成，但是这是不对的。于是我们使用了高斯泊松噪声进行噪声建模。同时，由于高斯泊松噪声也不能完全表征真实数据，于是还使用了真实数据对。最后提出了一个网络，网络有噪声估计网络和降噪网络组成，效果很好达到sota
创新点：
这篇论文主要提出了几个创新点：
- 用了高斯-泊松噪声做噪声标定
- 同时用了合成数据和真实数据
- 整了个噪声估计网络做噪声估计
具体结构如下：
左边为噪声估计网络，右边为正常Unet网络
总结：比较古早的工作了，高斯泊松已经属于被用烂的噪声建模方式了，但是已经被证明其实标定的并不对。同时用了合成和真实数据，但是合成数据噪声标定是错的，估计作者也发现了，所以用了个真实数据去平均了一下分布。关于噪声估计网络，有点难评，一方面噪声本来就等于噪声图像-真实图像，直接在前面把纯噪声放前面不知道会不会让模型逃课。另一方面，代码里，真实噪声数据集就直接全0当噪声了，感觉也很怪。