摘要
本发明涉及图像增强技术领域，具体为一种HumanNeRF图像降噪方法、系统和设备，通过巧妙地利用HumanNeRF渲染过程的内在随机性，为同一位姿生成两个不同的噪声实例来构建正样本对，获得内容一致，噪声相异的训练数据，从而根本性地解决了对干净真值的依赖问题；同时，利用包含HumanNeRF图像、其正样本对及负样本的图像训练集，通过融合正、负样本自监督损失、对抗损失、像素损失和感知损失的训练目标来优化降噪模型，直至收敛，能使模型在有效去除噪声的同时，既保持HumanNeRF图像的像素级细节与高层语义信息，最终得到更精准、鲁棒且符合人体姿态特性的降噪结果，提高HumanNeRF图像的降噪质量。
