是的，有一些限制。

CNN 可用于将图像映射到相关图像，这应该包括许多简单的矩阵变换。例如，这里是一个使用 CNN 去模糊 OCRed 文本的示例。

基本上，您将使用大量 A、B 示例来训练您的网络，输入为 B，所需的输出为 A。

限制是，如果你有技术上不可逆的转换，那么 CNN 可能会学习产生最佳的“平均”输出。这种情况的症状将是缺少高频分量的模糊图像，以及不代表目标分布但确实解决了变换的矩阵（在训练精度的范围内）。如果您想对此进行改进，并生成更真实/更精确的原件，那么您可能需要考虑添加一个生成组件 - GAN、VAE/GAN 或 RBM 等。请注意，这不会准确地生成原始矩阵，但会生成一个既转换为给定转换矩阵（在一定精度范围内）又从输入分布中采样的矩阵。也就是说，它可能更可行原始而不是使用更简单的 CNN 架构生成的。