近年来，随着深度学习的发展和崛起，涌现越来越多的基于深度学习的视频降噪方法，在降噪效果方面，较传统方法，展现出明显的优势。基于深度学习的方法，通常采用卷积神经网络模型，从大量的噪声图像和高清图像配对，学习噪声图像与高清图像之间的映射关系。基于深度学习的降噪方法，通常需要使用真实噪声的图像和高清图像pair的数据才能取得较好的降噪效果。

基于深度学习的降噪方法，根据卷积神经网络模型输入图像帧数，可将方法分类为单帧结构和多帧结构。单帧结构，输入是一帧有噪声图像，经模型处理后，输出一帧去噪的图像。多帧结构，输入是当前帧图像及与当前帧时序上相关的多帧图像，经模型处理后，输出一帧去噪的图像。单帧结构，由于没有考虑视频时序上的相关性，经过降噪后的视频，有可能出现画质闪烁的现象，而多帧结构降噪后的视频，画面的流畅性及平滑性更好。

1、单帧结构

单帧结构的降噪方法，最早的方法是采用卷积网络，将带有噪声的图像经过一系列的卷积处理，最后生成一张只包含噪声的残差图。随后，研究人员相继提出“编码器-解码器”结合跳跃连接结构、生成对抗网络、循环迭代等方法。

2、多帧结构

多帧结构的降噪方法很多，比较经典的是FastDvDnet。该方法的特点是不需要额外的模块来计算视频的帧间运动，它去噪的速度明显快于其他视频降噪方法。该方法取得很好的降噪效果的同时，能够兼容更大范围的噪声。在模型结构上，FastDvDnet分为2个阶段。第1阶段，每连续3帧送入Denoising Block 1，输出1个Feature Map。通过连续5帧，执行3次这种操作，可得到3个Feature Map。这3个Feature Map再送入第2阶段 Denoising Block2，输出降噪后的图像。Denoising Block是一个Unet结构，两个阶段的Denoising Block采用相同的Unet结构。

传统的视频降噪方法在效果上，弱于基于深度学习的视频降噪方法，但对算力的要求相对低一些。而基于深度学习的视频降噪方法，处理视频的速度慢，计算资源消耗高。随着终端设备的计算能力不断增强，专用AI芯片的应用，在终端设备上采用深度学习的视频降噪方法，将是一大趋势。