本文将基本的统计推理用于通过机器学习进行信号重建——将损坏的观察映射到干净的信号，并得出了一个简单而强大的结论：可以只通过带噪图像来学习恢复图像，在性能上甚至有时超过使用干净的数据训练的模型，而无需明确的图像先验或噪声的概率模型。
在实践中，作者证明了一个单一的模型可以仅基于噪声数据学习图像的噪声去除，去噪合成蒙特卡罗图像，并重建欠采样的 MRI 扫描——所有这些都被不同的过程破