Deep-image-prior (DIP)を用いた教師なしの画像分解手法。DIPでは単一画像を乱数から再構成するようCNNを学習し、雑音除去等を行う。本研究は複数のDIPを使い画像の再構成を行うことで画像分解を実現。自然画像では似たパッチが反復的に表れ、同じ画像内のパッチのエントロピーは異なる画像間のパッチのエントロピーより小さい。各DIPの出力がシンプルになるように学習すると画像が分解される。