CVPR 2020，使用自监督学习做去噪。这篇论文的出发点是通过在网络里使用dropout最后施加平均，使得网络去噪的方差更小。在训练的时候，这里通过伯努利采样的方式构建一个自监督loss。在测试的时候，则将预测的结果进行平均，作为最终结果。网络结构如下所示:
网络上没有什么特别的地方，几个加dropout的地方需要留意一下。这里需要特别注意的是伯努利采样，即采用一个Mask施加在图上，具体如下所示:
最后测试的时候，将不同的网络进行Average，如下所示:
整体的实验效果提升还是比较大的，具体参见论文。使用这种多网络dropout融合思路提升效果值得借鉴。