仅凭噪声观测学习干净图像生成模型

Fabian Kruse、Lorenzo Baldassari 和 Ivan Dokmanić 提出并验证了一种仅利用噪声观测学习干净图像生成过程的方法，无需直接使用干净图像作为训练数据。研究通过 Noise2Noise 回归学习不同噪声水平下的后验预测，并引入一致性约束，使预测满足继续采样后的期望一致性，从而修复低于训练噪声水平的预测过程，实现干净图像生成。 该方法在 Poisson、binomial、Gamma 和 negative-binomial 四种测量模型下得到验证，并在 CIFAR-10、光子计数显微成像和合成孔径雷达实验中展示了仅凭噪声视图学习所需后验预测的有效性。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。