图像视频降噪的现在与未来——从经典方法到深度学习
 
DVDNet，它会对当前帧和临近帧做空域上的卷积降噪，然后通过光流网络将临近帧与当前帧对齐，最后在对齐后的图像上做时域降噪。
FasrDVDnet是DVDNet的加速版，为了提高处理速度，它舍弃了光流对齐，直接把临近帧输入到一个两级的深度网络中做降噪。
https://segmentfault.com/a/1190000021721649

代码
https://github.com/oneTaken/Awesome-Denoise

2020-arxiv-哈尔滨工业大学-Deep Learning on Image Denoising: An overview

本文有浅到深介绍深度学习在图像去噪应用，首先介绍深度学习在图像处理的基本框架，包括：有监督和无监督机器学习、卷积网络、深度学习在图像去噪的主要结构（如：VGG、ResNet、GoogLeNet和GAN）和深度学习技术常用软件和硬件；其次重点介绍深度学习技术在图像去噪上应用

提高去噪性能:
(1)增大网络的感受野能捕获更多上下文信息来提高去噪性能。空洞卷积能有效解决这个问题。
(5)数据增加能提高图像去噪性能。

挑战:
（3）真实噪声图像不是容易获得的。
https://bbs.cvmart.net/articles/1426/vote_count

基于BM3D(block-matching 3D ，2007)框架的系列算法是该领域的著名方法，其结合图像非局部相似的属性和变换域的稀疏表示，在深度学习用于CV各领域的今天仍有用武之地。

IOCV 数据集（彩色视频去噪）
 
FastDVDNet算法在计算量较低的前提下，效果表现也一致的好。
https://blog.csdn.net/moxibingdao/article/details/109590207