【图像去噪】论文复现：大道至简！ZS-N2N的Pytorch源码复现，跑通源码，获得指标计算结果，补充保存去噪结果图像代码，代码实现与论文理论对应！
请先看【专栏介绍文章】：【图像去噪（Image Denoising）】关于【图像去噪】专栏的相关说明，包含适配人群、专栏简介、专栏亮点、阅读方法、定价理由、品质承诺、关于更新、去噪概述、文章目录、资料汇总、问题汇总（更新中）
完整代码和训练好的模型权重文件下载链接见本文底部，订阅专栏免费获取！
本文亮点：
- 跑通ZS-N2N源码，获得指标计算结果，补充保存去噪结果图像代码；
- 任意设备均可运行，ZS-N2N是极简结构，用cpu也能很快迭代完成；
- 代码实现与论文理论对应，主要为下采样过程和损失函数定义；
文章目录
- 前言
- 一、跑通代码 （Quick Start）
- 1.1 导入库
- 1.2 输入图像
- 1.3 ZS-N2N的模型结构
- 1.4 下采样过程
- 1.5 损失函数
- 1.6 训练和测试
- 二、代码解析
- 三、总结与思考
- 完整代码和训练好的模型权重文件下载链接
前言
论文题目：Zero-Shot Noise2Noise: Efficient Image Denoising without any Data —— 零镜头噪声2噪声:没有任何数据的高效图像去噪
论文地址