أصبحت طريقة R2R (الاسترجاع من استرجاع إلى استرجاع) منهجية مبتكرة لتدريب الشبكات العميقة لإعادة بناء الصور بطريقة ذاتية التدريب باستخدام بيانات قياس ملوثة فقط، وتم التحقق من مساواة هذه الطريقة في التوقع مع الخسارة التربيعية المراقبة في حالة الضوضاء الغاوسية. ومع ذلك، لا تزال فعاليتها في حالة الضوضاء غير الغاوسية غير مُستكشَفة. في هذا البحث، نقترح طريقة R2R العامة (GR2R)، التي تمتد من إطار R2R لمعالجة فئة أوسع من توزيعات الضوضاء كضوضاء جمعية مثل لوغ-رايلي، كما تشمل العائلة الأسية الطبيعية التي تشمل توزيعات بواسون وغاما، والتي تلعب دورًا محوريًا في العديد من التطبيقات مثل التصوير بفوتونات منخفضة ورادار الفتحة المُصغَّرة الاصطناعية. نُظهر أن خسارة GR2R تمثل مقدّرًا غير متحيّز للخسارة المراقبة، وأن مقدّر المخاطر غير المتحيّز لستاين الشهير يمكن اعتباره حالة خاصة من هذه الطريقة. وتوّضّح سلسلة من التجارب التي أُجريت على ضوضاء غاوسية وبواسون وغاما أداء GR2R، حيث تُظهر فعاليتها مقارنةً بالطرق ذاتية التدريب الأخرى.