本稿では、画像ノイズ除去のための新規フレームワークであるNBNetを提案する。従来の手法とは異なり、本研究ではノイズ除去を新たな視点からアプローチする：画像に適応した射影によるノイズ低減。具体的には、特徴空間における再構成基底の集合を学習することで、信号とノイズを分離するネットワークの学習を提案する。その後、信号部分空間に対応する基底を選択し、入力画像をその部分空間に射影することで、画像のノイズ除去を実現する。本研究の核心的な洞察は、射影によって入力信号の局所構造が自然に保持され、特に暗部や微細なテクスチャ領域において優れた性能を発揮する点にある。この目的に向けて、基底の生成および部分空間への射影を明示的に学習するための非局所部分空間注意モジュールであるSSAを提案する。さらに、SSAを、エンドツーエンドの画像ノイズ除去を目的として設計されたUNet構造のネットワークであるNBNetと統合した。SIDDおよびDNDといった標準ベンチマーク上で評価を行い、NBNetはPSNRおよびSSIMにおいて最先端の性能を達成しつつ、大幅に計算コストを低減することに成功した。