그대로 복사하는 해를 막기
잡음 이미지를 입력과 목표에 그대로 쓰면 입력을 복사하는 방법이 쉬운 해가 된다. Noise2Void는 예측할 위치의 값을 입력에서 직접 보지 못하도록 해 주변에서 신호를 추정하게 한다. 가린 화소의 실제 깨끗한 값을 새로 관측한 것은 아니다.
주변은 신호를 알려줄 수 있는가
신호에는 이웃 위치 사이 관계가 있지만 잡음은 신호를 조건으로 화소별 독립이고 평균이 0이라는 가정을 사용한다. 주변 화소에서 예측 가능한 부분과 예측하기 어려운 잡음을 구분하려는 원리다. 공간적으로 이어지는 줄무늬 잡음은 이 가정을 어길 수 있다.
중앙 값을 숨긴 예
설명용으로 같은 밝기의 세 위치를 관측했는데 값이 10, 17, 10이라고 하자. 중앙 값을 숨기면 주변은 10이라는 추정 단서를 준다. 그러나 중앙이 실제 작은 밝은 점이라면 같은 처리로 신호를 지울 수 있다. 주변 예측의 한계를 보여주는 예다.
자료가 적어도 검증은 필요하다
잡음 관측 하나씩만 있어도 학습할 수 있다는 조건과 어떤 잡음에서도 정확하다는 주장은 다르다. 구조적인 잡음과 미세한 질감, 밝은 작은 점을 따로 확인해야 한다. 깨끗한 목표나 독립 잡음 쌍을 쓰는 방법과는 학습 정보량이 다르므로 평가 조건을 명시해 비교한다.
관련 문서
Noise2Noise / DnCNN / FFDNet / NAFNet / Restormer / 자기지도 학습