那些过于粗糙的meh照片可以通过一种由研究人员设计的方法得到一个新的数字生活租赁，他们找到了一种减少噪音和工件的方法。在这种情况下，噪音指的是视觉失真，正如科尔的教室所说的那样-这些斑点阻碍了你欣赏图片的方式，这些微小的彩色像素，有时看起来像电影摄影中的“颗粒”。

研究小组在他们的论文《噪音2-噪音：在没有清洁数据的情况下学习图像恢复》中讨论了他们的工作。论文在ar xiv上..该团队包括与NVIDIA、阿尔托大学和麻省理工学院的联系。

（Aalto U是芬兰的一所大学，成立于2010年，由赫尔辛基理工大学、赫尔辛基经济学院和赫尔辛基艺术与设计大学合并而成。）

在NVIDIA开发者新闻中心的一个帖子中说：“这种基于深度学习的方法仅仅通过查看损坏照片的例子就学会了修复照片。

“无噪音照片需要长时间曝光......在这项工作中，我们观察到，在适当的、共同的情况下，我们可以学会只从损坏的例子中重建信号，而不需要观察干净的信号，而且经常做到这一点，就像我们使用干净的例子一样。

他们的论文在瑞典的国际机器学习会议ICML上发表。

Katyanna Quach解释了他们工作的特殊之处：“计算机视觉算法已经被自动用于改进像Pixel2或iPhoneX这样的智能手机上的快照，但这需要更进一步。“这种最新的模型——绰号为noise2noise——可以学习如何在不需要看到高分辨率示例的情况下清理图像，而不是给神经网络输入一对高质量和模糊的图像。”.

方法和方法：他们使用NVIDIA特斯拉P100GPU与CuDNN加速TensorFlow深度学习框架。他们在Image Net验证集中对50，000幅图像进行了培训。

Quach：“研究小组对来自Image Net数据集的50,000幅图像进行了噪声2噪声模型的训练，并在每幅图像中添加了噪声的随机分布。该系统必须估计照片中噪音的大小并将其移除。”

作者说，“我们的概念证明演示指出了在这些应用程序中的重要潜在好处，消除了对潜在的艰苦收集清洁数据的需求。当然，没有免费午餐——我们不能学会获取输入数据中没有的功能——但这同样适用于有干净目标的培训。”

该方法也可用于增强MRI图像。这引起了HotHardware中布兰登·希尔的注意。“NVIDIA及其学术合作伙伴不仅使用Nise2Nois帮助恢复颗粒照片，而且他们还使用它进行磁共振图像扫描，这在医疗部门是非常有益的。”