DnCNN-FFDNet-CBDNet

这三个模型应该属于一个工作的延伸，作者团队也高度重合

前置知识

加性白高斯噪声（AWGN）

"白"指功率谱恒定。高斯指幅度取各种值时的概率p (x)是高斯函数。

DnCNN

网络结构比较简单，预测输出噪声图，然后用输入图减去噪声图获得修复的图像

FFDNet

首先对input进行downsample，制成四份，然后根据噪声强度concat一层，最后输入网络进行去噪

其中噪声图对修复的结果影响很大

CBDNet

convolutional blind denoising network （CBDNet）

包含两阶段，第一阶段为噪声估计，第二阶段为盲去噪网络。

主要指出DnCNN对于真实噪声图像表现不好，因为他在加性白高斯噪声上过拟合了。

损失函数设计

对于FFDNet，当噪声水平和gt相当时，去噪效果最好；当高于gt时，去噪效果也很好，但是会丢失细节；但是当低于gt时，效果就会变差。

因此要设计一个非对称的loss。