大疆的raw图噪声合成：Towards General Low-Light Raw Noise Synthesis and Modeling

Towards General Low-Light Raw Noise Synthesis and Modeling

1 dd

作者说极暗场景下 物理方法仿真不好。
作者提出的方法，对于信号相关的噪声 使用物理方法建模， 泊松噪声。
在低光条件下，与信号无关的噪声是主要成分。由于信号无关组件中的噪声源非常复杂，并且随着不同的曝光时间、ISO水平和相机传感器的变化而显著变化。没有采用基于物理的方法来建模与信号无关的噪声，而是利用生成对抗网络（GAN）强大的学习能力来建模它

总的来说，无论实用性还是效果都没什么价值，不过是多了一篇拼凑的论文。大疆的影像水平没有太多原创性的好东西。

2 信号相关噪声建模

简单说下其思路吧。
信号相关泊松噪声采用物理建模的方法 或者 采样的方法（ Rethinking noise synthesis and modeling in raw那篇论文）

3 信号无关噪声：生成器和一致性损失（L1和 vgg 内容损失）

信号无关噪声采用生成的方法，一个GAN：
这个gan有自己的特点：
首先一个generator 生成 N_indep, 与 N_dep相加后得到噪声图， 如何让得到的噪声图与 真实噪声图比较接近呢？一般情况下 L1或者 vgg的内容损失， 但是噪声图的值是随机的，与真实噪声图不会完全一致，这里加了一个 pretrained denoise net作为特征提取器，提取后得到2个降噪图像，降噪后的图像会比较稳定，计算这两个降噪图像的L1 和 vgg的内容损失。