从噪声测量中学习干净的生成过程

研究提出仅用独立噪声观测学习干净图像生成模型的方法：先用 Noise2Noise 回归学习噪声水平及以上的后验预测，再引入一致性约束——预测应等于继续采样后的期望，从而把预测延伸到更低噪声水平。作者推导了一致性唯一确定干净图像分布延续的条件，并在 Poisson、二项、Gamma 和负二项测量上验证。CIFAR-10、光子计数显微和合成孔径雷达实验显示，缺少一致性时延续会严重退化，加入后可修复。