실제 잡음의 차이
실제 사진의 잡음은 영상 전체에 같은 성질로 더한 합성 잡음과 다를 수 있다. RIDNet은 실제 잡음 영상의 복원에 초점을 맞춘다. 블라인드 잡음 제거라는 말은 학습 자료 없이 작동하거나 모든 종류의 잡음을 정확히 제거한다는 의미가 아니다.
잔차 안의 잔차
여러 수준의 잔차 경로를 두어 저주파 정보 전달을 쉽게 하는 구성을 이용한다. 특징 어텐션은 채널 사이의 의존성을 활용한다. 밝기의 큰 흐름을 보존하는 일과 미세 질감을 잡음과 구별하는 일은 함께 고려해야 한다.
잡음과 구조의 모호함
설명용 관측 (10, 12, 10)에서 가운데 값 12는 잡음일 수도 작은 실제 구조일 수도 있다. 주변과 같게 10으로 바꾸면 첫 경우에는 유리하지만 두 번째 경우에는 세부를 잃는다. 숫자 세 개만으로 원인을 확정할 수 없다는 독립 예제다.
비슷한 이름의 모델 구분
이 문서의 RIDNet은 Anwar와 Barnes의 특징 어텐션 기반 모델을 가리킨다. 같은 약어를 사용하는 다른 잡음 제거 연구와 구분해야 한다. 합성 및 실제 잡음에서 잔여 잡음과 질감 손실을 함께 확인하고 같은 조건으로 처리 비용을 비교한다.