#173
summarized by : Hiroki Okawa
C2N: Practical Generative Noise Modeling for Real-World Denoising

どんな論文か?

ノイズ除去において、学習ベースではノイズの有無それぞれの画像を用意する必要があり、モデルベースではそのモデルで表現できない複雑なノイズに対して精度が下がる。そこで、無ノイズ画像からノイズ画像を生成するフレームワークを開発し、教師なし学習の精度向上を図った。
placeholder

新規性

GANの考え方にも似た「ノイズ画像生成に特化することで既存手法の精度を向上させる」というフレームワーク。

結果

Supervised手法には及ばないものの、self-supervised, Generation-based, non-learning based手法に対してSIDD, DNDで上回った。

その他(なぜ通ったか?等)