自己教師あり学習を用いた画像のノイズ除去

私たちは、撮影した写真から公共の場所に設置されたカメラが記録する動画まで、日常的に画像に触れています。画像には有益な情報が含まれており、現代の技術を使えば、そのデータを分析して解釈できます。

特に、人工知能（AI）の一分野であるコンピュータービジョンは、人間と同じように、機械が視覚情報を処理し、見たものを理解できるようにします。しかし、実環境で使われる画像は、必ずしも理想的な状態ではありません。

雨、ほこり、暗所、センサーの制約などによって生じる画像ノイズは重要な情報を隠し、ビジョンAIモデルが物体を検出したり、シーンを正確に解釈したりすることを難しくします。画像のノイズ除去はこうしたノイズを減らし、ビジョンAIモデルが細部をより鮮明に捉え、より適切な予測を行えるようにします。

図1. 画像のノイズ除去の例（出典）。

従来、画像のノイズ除去では教師あり学習が用いられてきました。ノイズのある画像とノイズのない画像のペアを使ってモデルを学習させ、ノイズの除去方法を習得させます。しかし、ノイズのない完全な参照画像を集めることは、常に現実的とは限りません。

この課題に対処するため、研究者たちは自己教師あり画像ノイズ除去モデルを開発しました。この手法では、AIモデルがデータから直接学習し、独自の学習信号を作り出して、ノイズを除去しながら重要な情報を保持することを目指します。

この記事では、自己教師あり画像ノイズ除去モデルの仕組み、その基盤となる主な技術、実世界での応用について詳しく見ていきます。

自己教師あり画像ノイズ除去とは何ですか？#

ノイズのある画像は、ビジョンAIモデルが画像の内容を解釈するのを難しくします。たとえば、暗い場所で撮影した写真はざらついたりぼやけたりして、モデルが物体を正確に識別するのに役立つ細かな特徴が見えなくなる場合があります。

教師あり学習に基づくノイズ除去では、ノイズのある画像とノイズのない画像のペアを使ってモデルを学習させ、不要なノイズの除去方法を習得させます。この手法は効果的ですが、実環境ではノイズのない完全な参照データを集めるのに時間がかかり、困難なことがよくあります。

そのため、研究者たちは自己教師あり画像ノイズ除去に取り組むようになりました。自己教師あり画像ノイズ除去は、モデルがデータから独自の学習信号を作り出して自ら学習する、自己教師あり学習の概念に基づいています。

この手法は大規模なラベル付きデータセットに依存しないため、自己教師ありノイズ除去はより高速で拡張性が高く、暗所での写真撮影、医療画像、衛星画像の分析など、ノイズのない参照画像を入手しにくい分野にも適用しやすくなります。

ノイズのない参照画像に頼る代わりに、この手法ではマスクされたピクセルを予測したり、欠損部分を再構成したりして、ノイズのあるデータを直接使って学習します。この過程を通じて、モデルは画像の意味のある情報とランダムノイズを見分ける方法を学習し、より鮮明で正確な出力を生成します。

教師なし学習と似ているように見えるかもしれませんが、自己教師あり学習は実際にはその特殊なケースです。主な違いは、自己教師あり学習では、モデルが特定のタスクを学習するために、データから独自のラベルや学習信号を作り出す点です。一方、教師なし学習では、明示的なタスクやあらかじめ定められた目標を設けずに、データに隠れたパターンや構造を見つけることに重点を置きます。

自己教師ありノイズ除去における学習戦略#

自己教師ありノイズ除去モデルはいくつかの方法で学習できます。マスクされたピクセルや欠損ピクセルを補完するモデルもあれば、同じ画像の複数のノイズを含むバージョンを比較して、一貫性のあるディテールを見つけるモデルもあります。

たとえば、ブラインドスポット学習として知られる一般的な手法では、モデルが再構成する対象のピクセルを無視し、代わりに周囲の情報を利用するようノイズ除去モデルを学習させます。時間の経過とともに、モデルは重要なテクスチャ、エッジ、色を保持しながら、高品質な画像を再構成します。

自己教師あり学習によるノイズ除去の仕組み#

次に、自己教師あり学習でノイズを除去するプロセスを見ていきます。

自己教師ありノイズ除去のプロセスは、通常、ノイズを含む画像をノイズ除去モデルに入力することから始まります。モデルは近傍のピクセルを分析し、不鮮明またはマスクされたピクセルがどのように見えるべきかを推定しながら、ノイズと実際の視覚的なディテールを見分ける方法を徐々に学習します。

暗くざらついた空の画像を考えてみましょう。モデルは周囲の星やパターンを見て、ノイズのある各領域がノイズなしではどのように見えるかを予測します。このプロセスを画像全体で繰り返すことで、ランダムノイズと意味のある特徴を区別し、より鮮明で正確な結果を生成する方法を学習します。

つまり、モデルは完全にノイズのない参照画像を必要とせず、周囲の情報に基づいて、よりノイズの少ない画像を予測します。このプロセスにはさまざまな種類のモデルを使用でき、それぞれがノイズへの対処において独自の強みを持っています。

自己教師あり画像ノイズ除去に使用されるモデルの種類#

自己教師あり画像ノイズ除去で一般的に使用されるモデルの種類を簡単に見てみましょう。

• 畳み込みニューラルネットワーク (CNNs): CNNsは、画像の小さな領域にあるパターンを認識するために設計されたディープラーニングモデルです。フィルターを使って画像を走査し、エッジ、形状、テクスチャを検出します。自己教師ありノイズ除去では、ブラインドスポット手法をよく使用します。この手法では、対象ピクセルを入力から除外し、周囲のピクセルだけを基にモデルが値を予測します。これにより、モデルがノイズをそのまま複製するのを防ぎ、よりノイズの少ない情報を推定できます。
• オートエンコーダー： オートエンコーダーは、データの圧縮と再構成を学習するニューラルネットワークです。まず画像をより小さな表現に変換（エンコード）し、その後、元の形に再構成（デコード）します。この過程で、形状やテクスチャなどの重要な視覚的特徴を捉えつつ、ランダムなノイズや無関係なディテールを除去する方法を学習します。
• Transformerベースのモデル: Transformerは、もともと自然言語処理向けに開発されましたが、現在ではビジョンタスクにも広く使われているモデルです。画像全体を一度に処理し、各領域が互いにどのように関連するかを学習します。この大域的な視点により、複雑な画像や高解像度の画像でも、細部と構造の一貫性を保つことができます。

図2. 自己教師あり画像ノイズ除去に使用される、CNNベースのアーキテクチャの概要です。(出典)

さまざまな照明条件やISO設定で撮影した画像を使ってこれらのモデルをトレーニングすると、多様な実環境で適切に動作するようになります。デジタルカメラでは、ISO設定によって受信した信号を増幅し、画像をどの程度明るくするかを調整します。

ISOを高くすると暗い場所で写真が明るくなりますが、ノイズが増え、ディテールが失われます。さまざまなISOレベルで撮影した画像から学習することで、モデルは本物のディテールとノイズをより適切に見分けられるようになり、より鮮明で正確な結果を得られます。

ノイズ除去モデルは、何がノイズで何が本物の画像情報なのかをどのように学習するのでしょうか？#

ノイズ除去モデルは、ノイズと本物の画像情報を区別する方法を、ノイズ除去に使用するモデルの種類とは別のトレーニング手法を通じて学習します。CNN、オートエンコーダー、Transformerなどのモデルの種類は、ネットワークの構造と視覚情報の処理方法を表します。

一方、トレーニング手法はモデルの学習方法を定義します。一部の手法では、周辺領域の情報を使って欠損またはマスクされたピクセルをモデルに補完させる、コンテキストベースの予測を利用します。

再構成ベースの学習を用いる手法もあります。この手法では、モデルが画像をより単純な表現に圧縮してから再構成します。これにより、ランダムなノイズを除去しながら、エッジやテクスチャなどの意味のある構造を認識できるようになります。

モデルの種類とトレーニング手法を組み合わせることで、ノイズ除去モデルが画像をどれほど効果的にクリーンアップできるかが決まります。適切なアーキテクチャと学習方法を組み合わせることで、自己教師ありノイズ除去モデルはさまざまな種類のノイズに適応し、クリーンな参照データがなくても、より鮮明で正確な画像を生成できます。

自己教師ありAI画像ノイズ除去の主な手法#

効果的な自己教師あり画像ノイズ除去を可能にする、広く利用されているトレーニング手法をいくつか紹介します。

• Noise2Noise: この手法では、同じ画像のノイズを含む2つのバージョンを使ってモデルをトレーニングします。それぞれのバージョンのノイズはランダムであるため、モデルは画像の本来の内容を表す一貫したディテールに注目し、ノイズを無視するように学習します。同じシーンを連続撮影した画像や、医療・科学イメージングなど、ノイズを含む複数の撮影画像を利用できる場合に最も効果を発揮します。
• Noise2VoidまたはNoise2Self: これらの手法では、ノイズを含む画像を1枚だけ使い、ピクセルを隠す（マスクする）ことで、周囲のピクセルを基にその値を予測するようモデルをトレーニングします。これにより、モデルがノイズを含むデータをそのままコピーするのを防ぎ、画像の自然な構造を学習しやすくします。顕微鏡画像、天体写真、低照度撮影など、ノイズを含む画像が1枚しかない場合に特に役立ちます。
• ブラインドスポットネットワーク: これらのネットワークは、モデルが再構成対象のピクセルを見られないように特別に設計されています。代わりに、周辺領域の情報を使って、そのピクセルがどのように見えるべきかを推定します。これにより、より正確で偏りの少ないノイズ除去が可能になり、ピクセル単位のノイズ除去タスクではNoise2VoidやNoise2Selfと組み合わせて使われることがよくあります。
• マスク付きオートエンコーダー (MAE)： このアプローチでは、画像の一部を隠し、モデルに欠損領域の再構成を学習させます。これにより、細部と全体的な構造の両方を学習し、実際の内容とノイズを見分けられるようになります。マスク付きオートエンコーダーは、全体的なコンテキストを理解することで復元品質が向上する、高解像度または複雑な画像に特に効果的です。

画像ノイズ除去システムの評価#

画像ノイズ除去では、ノイズを減らすことと細部を保つことの2つの目標を慎重に両立させる必要があります。ノイズを除去しすぎると画像が柔らかくぼやけた印象になり、除去が不十分だと不要な粒状感やアーティファクトが残ることがあります。

モデルがこのバランスをどの程度うまく実現しているかを把握するため、研究者は画像の鮮明さとディテールの保持度の両方を測定する評価指標を使用します。これらの指標から、重要な視覚情報を失わずにモデルが画像をどれほどきれいにできるかが分かります。

画像品質とノイズ除去性能の測定に役立つ、一般的な評価指標を紹介します。

• 平均二乗誤差（MSE）: 元画像とノイズ除去後の画像のピクセルごとの差を二乗し、その平均を測定します。出力がピクセル単位で元画像にどれほど近いかを示します。MSEの値が低いほど誤差が少なく、結果の精度が高いことを意味します。
• ピーク信号対雑音比（PSNR）: 元画像の信号強度と残存ノイズを比較し、デシベル単位で表す指標です。ノイズ除去後に元画像のディテールがどの程度保持されているかを確認するために使用します。PSNRの値が高いほど、画像が鮮明で高品質であることを意味します。
• 構造的類似性指標（SSIM）: SSIMは、ノイズ除去後の画像と元画像の類似性を評価するために、構造、明るさ、コントラストを評価します。単なる数値ではなく、人間が画像をどのように見るかに着目します。SSIMスコアが高いほど、画像がより自然で元画像に忠実に見えることを意味します。
• 知覚指標: これらの指標では、ディープラーニングモデルを使って、画像がどの程度リアルで自然に見えるかを評価します。個々のピクセルを比較するのではなく、全体的な見た目、テクスチャ、視覚的な類似性に着目します。多くの場合、スコアが低いほど、画像が元画像に近く、人間にとってより好ましい見た目であることを示します。

自己教師ありノイズ除去の活用例#

ノイズ除去について理解が深まったところで、自己教師あり画像ノイズ除去が実環境でどのように活用されているかを見ていきましょう。

天体写真における自己教師ありノイズ除去#

星や銀河を鮮明に撮影するのは簡単ではありません。夜空は暗いため、カメラでは長時間露光が必要になることが多く、不要なノイズが発生する場合があります。このノイズによって、宇宙の微細なディテールがぼやけたり、かすかな信号の検出が難しくなったりすることがあります。

従来のノイズ除去ツールはノイズを減らすのに役立ちますが、重要なディテールまで一緒に取り除いてしまうことがよくあります。自己教師ありノイズ除去は、より効果的な代替手段です。ノイズを含む画像から直接学習することで、AIモデルは本物の特徴を表すパターンを認識し、ランダムなノイズと区別できます。

その結果、星、銀河、太陽などの天体をはるかに鮮明に捉えられ、見落とされてしまう可能性のあるかすかなディテールも明らかになります。また、微妙な天文上の特徴を強調し、画像の鮮明さを高めることで、科学研究におけるデータの有用性も向上させます。

図3. 画像ノイズ除去によって天体写真の画像を改善できます。(出典)

医療画像における自己教師ありノイズ除去#

MRI、CT、顕微鏡画像などの医療画像には、細部を見えにくくするノイズが含まれることがよくあります。これは、医師が病気の初期兆候を見つけたり、経時的な変化を追跡したりする際に問題となる可能性があります。

画像ノイズは、患者の動き、信号強度の低さ、使用可能な放射線量の制限などが原因で発生することがあります。医療画像をより鮮明にするため、研究者はNoise2Selfなどの自己教師ありノイズ除去手法や、その他の類似手法を検討してきました。

ある研究では、このようなモデルをノイズを含む脳MRI画像で直接トレーニングしました。モデルはノイズのパターンを独自に学習し、完全に鮮明な画像の例を必要とせずにノイズを除去しました。処理後の画像はテクスチャがより鮮明でコントラストも向上し、微細な構造を識別しやすくなりました。このようなAIを活用したノイズ除去モデルは、診断画像のワークフローを効率化し、分析を迅速化できます。

図4. 脳MRI画像にさまざまな自己教師ありノイズ除去手法を適用した例です。(出典)

自己教師ありノイズ除去によるビジョンシステムの強化#

ノイズ除去は、幅広いコンピュータービジョンアプリケーションに大きな影響を与えます。不要なノイズや歪みを除去することで、Vision AIモデルが処理する入力データをよりクリーンで一貫性のあるものにできます。

鮮明な画像は、物体検出、インスタンスセグメンテーション、画像認識などのコンピュータービジョンタスクの性能向上につながります。Ultralytics YOLO11やUltralytics YOLO26などのビジョンAIモデルがノイズ除去の恩恵を受けられる活用例をいくつか紹介します。

• 産業検査： ノイズ除去は、製造現場における表面欠陥や異常の検出精度を高め、品質管理の改善につながります。
• 自動運転とナビゲーション: 低照度、雨、霧などの厳しい条件下で物体や障害物の検出性能を高め、全体的な安全性と信頼性を向上させます。
• 監視とセキュリティ: ノイズ除去によって、低照度または高圧縮の映像の画質が向上し、物体や人物をより正確に識別・追跡できるようになります。
• 水中イメージング: ノイズ除去によって散乱や光の歪みを軽減し、濁った水中環境での視認性と物体認識性能を高めます。

自己教師ありノイズ除去のメリットとデメリット#

画像システムで自己教師ありノイズ除去を使用する主なメリットをいくつか紹介します。

• ノイズへの適応性: 自己教師ありノイズ除去手法は、クリーンな参照画像とのペアを必要とせず、ノイズを含むデータから直接学習できます。そのため、センサーノイズ、モーションブラー、環境干渉など、実環境における幅広いノイズのレベルや種類に高い適応性を発揮します。
• ディテールの保持: 適切に設計されたモデルは、正確な画像解釈に不可欠な微細なテクスチャやエッジを保持します。ブラインドスポットネットワークやマスキングベースの学習などの手法は、ノイズを減らしながら構造情報を維持するのに役立ちます。
• 前処理の削減: 利用可能なデータだけを使って、ノイズを含む入力をクリーンな表現へ変換する方法を学習することで、手動のフィルタリング、手作りのノイズ除去アルゴリズム、厳選されたトレーニングデータセットの必要性を最小限に抑えます。

メリットがある一方で、自己教師ありノイズ除去にはいくつかの制約もあります。考慮すべき点をいくつか紹介します。

• 計算要件: 自己教師ありノイズ除去に使用するディープニューラルネットワークのアーキテクチャは、特にTransformerベースのモデルの場合、従来のフィルタリング手法と比べて、かなりの計算能力とメモリリソースを必要とすることがあります。
• モデル設計の複雑さ: 最適な結果を得るには、マスキング戦略や損失関数などのモデル設定を慎重に選択する必要があり、その設定はノイズの種類によって異なる場合があります。
• 評価の難しさ: 一般的な画質指標は、ノイズ除去後の画像がどれほど自然でリアルに見えるかを必ずしも反映しないため、視覚的な確認やタスク固有のチェックが必要になることがよくあります。

重要なポイント#

自己教師ありノイズ除去は、AIモデルがノイズを含む画像から直接学習するのに役立ち、細部を保ちながら、より鮮明な結果を生成します。低照度、高ISO、詳細な画像など、さまざまな困難な状況で効果を発揮します。AIが進化を続ける中、このような手法はさまざまなコンピュータービジョンアプリケーションで重要な役割を果たすと考えられます。

コミュニティに参加し、GitHubリポジトリをチェックして、AIについてさらに詳しくご覧ください。独自のビジョンAIプロジェクトの構築をお考えの場合は、ライセンスオプションをご確認ください。医療分野におけるAIや小売業におけるビジョンAIなどの活用例については、ソリューションページをご覧ください。