其實主流都係拎一堆paired data(noisy image<=>clean image),用一啲已知嘅constraints(例如最基本係output要係同clean image一樣﹑張相嘅edge要夠sharp)去train個black box出嚟
第一個難點係paired data本身取得成本高兼容易有bias,即係你可以諗下你點樣先可以拎到同一張相嘅noisy version同clean version(仲要大量),咁有啲人就係用clean image加啲人工noise上去就當係paired data
而呢個就衍生第二個問題,你點樣去model啲noise,簡單主流就用Gaussian Model(成日聽到嘅Normal Distribution),但現實話比你聽Gaussian未必cover哂咁多種noise,所以用Gaussian加人工noise呢個做法train出嚟嘅AI都好局限
所以之後就有人提出直接搵一堆noisy image去train,甚至用input image(你想denoise張相)本身去快train,但涉及嘅數學model就越來越複雜