摘要

我们将基本统计推理应用于机器学习中的信号重建——即学习将受污染的观测数据映射到干净的信号——得出一个简单而有力的结论：仅通过查看受污染的样本，就能学会恢复图像，其性能可以达到甚至有时超过使用干净数据训练的效果，而无需显式图像先验或污染过程的似然模型。在实际应用中，我们展示了单个模型仅基于噪声数据就能学习去除照片噪声、去噪合成蒙特卡洛图像以及重建欠采样的磁共振成像（MRI）扫描——这些图像分别受到不同的过程污染。