学習用画像のノイズ生成モデルとして、ポアソン-ガウスモデルと、カメラの内部処理をモデリングしたノイズ生成モデルの両方を使用。 ノンブラインドなノイズ除去は、実際より弱いノイズレベルの推定には過敏だが、過剰なノイズレベルの推定には頑健なため、実際のノイズレベルが推定したノイズレベルより小さい場合にのみペナルティーを与えるロス関数を学習に使用。

自然画像に対するデノイジング用のベンチマークであるNamとDNDで、既存のブラインド、ノンブラインドなSOTA手法を上回る性能を示した。 提案したノイズ生成モデルは、既存のノイズ生成モデルより、生成した画像を学習に使用したニューラルネットワークの性能を向上させることを示した。