한 값보다 넓은 표현
잡음이 섞인 관측에서는 원래 밝기를 확실하게 알기 어렵다. PN2V는 CNN이 픽셀별 강도 분포를 예측하도록 학습한다. 하나의 추정값으로만 표현할 때와 달리 가능한 신호 값의 분포를 다루는 방향이다.
잡음 설명과의 결합
예측한 밝기 분포에 적절한 잡음 설명을 결합한다. 이를 통해 관측된 잡음 영상과 실제 신호를 함께 나타내는 확률 모형을 얻는다. 깨끗한 목표 영상이 필요한 전통적인 쌍 학습을 그대로 수행하는 방식과는 다르다.
관측이 정보를 바꾸는 예
설명용으로 원래 밝기 2와 4의 사전 확률이 각각 절반이라고 하자. 관측값 3이 나올 가능성이 각각 0.2와 0.6이면 정규화한 확률은 0.25와 0.75가 된다. 실제 PN2V의 출력 분포나 잡음 수치를 나타내지 않는 베이즈 결합 예다.
평가 영역과 해석
여러 잡음 조건의 공개 현미경 이미지 자료에서 평가한다. 현미경 영상의 평가 결과를 다른 카메라와 잡음 조건에 그대로 적용할 수는 없다. 잡음 모형이 관측과 맞는지, 미세한 구조가 사라지거나 새로 생기지 않는지 함께 확인한다.
관련 문서
Noise2Void / Noise2Noise / Noise2Self / Neighbor2Neighbor / Self2Self / GAN2GAN