私たちは、機械学習を用いた信号再構成に基本的な統計的推論を適用し、損傷した観測値からクリーンな信号へのマッピングを学習するという課題に取り組みました。その結果、単純かつ強力な結論を得ました：クリーンなデータを使用せずに、損傷した例のみを見ることで画像の修復を学習することが可能であり、その性能はしばしばクリーンなデータを使用した訓練と同等か、それ以上のものとなることが示されました。これは明示的な画像の事前情報や損傷の尤度モデルなしで達成されています。実際には、単一のモデルがノイズ除去（写真のノイズ除去、合成モンテカルロ画像の除燥）、アンダーサンプリングされたMRIスキャンの再構成など、異なるプロセスによって損傷を受けたデータに基づいて、ノイジーデータのみを使用してこれらのタスクを学習することが示されています。