2021的Neurocomputing，主要思想是先在仿真图片上训练对齐的图像学习细节恢复，然后对非pair图像进行自监督和GAN进行训练。
之前方法的问题
1.直接在非对齐图像上进行训练会导致细节恢复的不好
2.现有的unpair方法没有能很好的降噪
论文提出的点
1.先使用监督方法在仿真数据上进行训练，以有利于细节恢复
2.通过GAN adaptation，使用GAN和自监督loss进行unpair训练
3.通过patch GAN进行去噪，以及设计更合理的网络
论文提出的方法
方法图如下所示：
1.对于仿真上训练的监督学习，这里使用VGG loss和L1 loss进行结合
2.对于GAN adptation，这里对unpair的输入和输出做VGG loss，和unpair的参考图像做GAN loss
3.对于unpair图像，还要进行patch GAN loss
4.对于网络，如下所示，不赘述：
