잡음 있는 목표로 배우기
입력과 목표에 같은 깨끗한 내용이 있지만 잡음은 별도로 생겼다고 하자. 목표의 예측 불가능한 잡음은 여러 표본에서 평균적으로 상쇄될 수 있다. 깨끗한 신호가 다른 임의의 두 사진을 짝지어도 된다는 뜻은 아니다.
평균과 제곱 오차
제곱 오차 학습은 조건부 평균과 관련된다. 목표 잡음의 조건부 평균이 깨끗한 신호를 유지하는 조건이 중요하다. 평균이 치우친 손상이나 포화로 잘린 관측에는 같은 논리를 그대로 적용할 수 없으며 손실 함수가 선택하는 통계량도 확인해야 한다.
같은 평균의 예
설명용으로 신호 값이 10이고 목표 관측이 같은 확률로 8과 12라면 평균은 10이다. 반면 10과 14라면 평균은 12로 치우친다. 모든 잡음 관측이 깨끗한 목표를 대체하는 것은 아니라는 점을 보여주며 유한 표본의 학습 결과까지 보장하지 않는다.
쌍의 품질과 평가
두 관측 사이에 물체가 움직이거나 정렬이 틀리면 같은 신호라는 전제가 약해진다. 잡음이 서로 상관된 경우도 별도로 확인해야 한다. 학습 쌍의 조건과 독립된 평가 자료에서 복원 오차 및 세부 보존을 검증하고 깨끗한 정답이 필요 없다는 표현의 적용 범위를 구분한다.
관련 문서
Noise2Void / DnCNN / FFDNet / NAFNet / Restormer / 자기지도 학습