摘要
缺乏大规模真实原始图像去噪数据集，给训练去噪模型所需的逼真原始图像噪声合成带来了挑战。然而，真实原始图像中的噪声由多种噪声源共同构成，且在不同图像传感器之间差异显著。现有方法难以准确建模所有噪声源，而为每种传感器单独构建噪声模型又极为繁琐。本文提出一种新视角，通过直接从传感器的真实噪声中采样来合成噪声，能够自然地生成适用于不同相机传感器的高精度原始图像噪声。为此，我们设计了两种高效且通用的技术：模式对齐块采样（pattern-aligned patch sampling）用于精确合成具有空间相关性的噪声，以及高比特重建（high-bit reconstruction）用于准确还原高比特位深度的噪声特性。我们在SIDD和ELD数据集上开展了系统性实验，结果表明：（1）所提方法显著优于现有方法，并在不同传感器和光照条件下展现出广泛的泛化能力；（2）以往基于深度神经网络（DNN）噪声建模方法所得出的结论，实际上依赖于不准确的噪声参数设定，而目前DNN方法仍无法超越基于物理统计原理的建模方法。