#paper doi:10.1109/cvpr.2019.00223  2019 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR).  Noise2Void - Learning Denoising From Single Noisy Images. 基于深度学习的图像去噪一般是通过干净图像和噪声图像组成的图相对来进行训练的。目前也有一些做法可以无需干净图像，仅需多张噪声图像来完成模型的训练（N2N）。而本文提出了一种基于单张噪声图像的去噪方法。基于Patch去噪的观点认为，结果图像中的每一个像素点由于感受野的限制只取决于输入图像中的一部分区域。基于这个观点衍生出许多去噪的方法，例如Noise2Noise的方法，它不再需要干净的图像作为target。而本文提出了一种只需要单张噪声图像就能完成去噪的方法。作者认为，如果对于单张图像，以其中的一个patch作为网络的input，以这个patch中心位置的像素作为target，那么网络将会学习到直接将输入patch中心的像素映射到网络的输出这这种identity map。因此，作者设计了有一种特殊的感受野，将感受野中心的像素“抹去”，再要求网络去预测中心位置的信息。这种做法基于两个假设：1、不同位置的噪声像素之间是相互独立的 2、噪声的均值为0 。因此预测出来的中心像素点更有可能是信号而非噪声。