我正在做一个需要对图像进行去噪的项目，我的数据集由一大块 pair 组成<natural image, same image with synthetically added noise>。事实是，我有多个噪声源（带有标签），例如高斯噪声、椒盐噪声、失真、饱和度等等。不同的噪声类型在相同的原始图像上，这意味着对于每个未失真的图像，每种噪声类型都有一对，我认为这与训练相关。

由于 GAN 最近在图像翻译任务中取得的成功，我正在研究最近的架构以及如何调整它们以适应我的任务。问题是：你认为 GAN 是否有可能学习分布之间的多对一映射，即不同的噪声分布（多个）和未失真的图像分布（一个），还是我需要训练多个网络对于不同种类的噪音？

鉴于我已经配对了我正在研究pix2pix架构的图像。最近CycleGAN呢？如果有多个分布，学习后向映射函数看起来要困难得多，我猜这就是为什么当他们发布预训练模型时，他们确实有多个模型用于多个任务。