画素をベルヌーイサンプリングでDropoutした画像を入力として、その反対のパターンでDropした画像を真値として、誤差を最小化するようにNetworkの学習をしていく。学習サンプル数が減少すると予測精度の分散が大きくなってしまうが、Dropoutした各画像はある程度統計的独立性を持つため、サンプリングの試行数を増やすことでこれを回避できる。

単画像処理では従来技術よりも性能改善しており、データセットを使って学習する手法(教師なしのNoise2Nose含む)と比較しても遜色ない性能を達成。

1枚画像で完結する点がまず実用的。シンプルな発想で綺麗な論理展開であり、しっかりと性能も出ている。