图像去噪是相机ISP (Image Signal Processing)管道中的重要组成部分。向ISP管道中注入去噪器有两个经典的方式：把去噪器直接用于捕捉的raw帧图（raw域）或者把去噪器用于ISP输出的RGB图像（sRGB域）。然而，两类方法都有局限。
- raw域去噪后的残留噪声会被ISP管道随后的处理模块放大；
- 在sRGB域很难处理随空间位置变换的噪声，因为在该域中只能看到被ISP扭曲过的噪声（噪声变得复合了）。
因此，大多数raw/sRGB域去噪的工作仅适用于特定的噪声分布和ISP配置。
为了解决这个问题，本文提出了DualDN，一个新颖的基于学习的双域去噪器。与之前单域去噪工作不同，DualDn包含两个去噪网络，一个处理raw域噪声，一个处理sRGB域噪声。raw域去噪适配于传感器噪声和随空间位置变换的噪声，sRGB域去噪适配于ISP导致的噪声并且可以去除经过ISP放大的残余噪声。两个去噪网络都和一个可微ISP相连，该ISP通过端到端训练并且会在推理阶段被丢弃。基于这个设计，DualDn达到了可观的泛化性，优于其他大多数的基于学习的去噪方法，因为DualDn可以适配不同的不可见噪声、ISP参数、甚至是新颖的ISP管道。实验结果显示，DualDn达到了SOTA性能，并且可以适配不同的去噪架构。除此以外，DualDn可以在不用重复训练的前提下，被用作真实相机的即插即用去噪模块，效果甚至优于商业相机的在线去噪算法。
