當前基於CNN的圖像去噪方法取得很大進展，但是 Traditional CNN can use only the features in local fixed-location neighborhoods, these methods result in oversmoothing artifacts and some details are lost. 此外，receptive field of a traditional CNN is relatively small.
為了解決這個問題，作者提出了spatial-adaptive denoising network （SADNet），總體架構如下圖所示。首先使用一個卷積層得到 initial features，然后這些特征輸入 multiscale encoder-decoder 網絡中。在 encoder 中，使用 ResBlock 特征特征（去掉了 BN，使用 LeakyReLU）。在 decoder 中，設計了 residual spatial-adaptive block (RSAB) ，可以實現 sample and weight the related features to remove noise and reconstruct the textures.
RSAB模塊如下圖所示，是一個集成了 deformable convolution 的模塊。
Context block： 作者指出，多尺度信息對於圖像去噪任務來說非常關鍵，因此，當前方法多使用 downsampling 技術。但是，下采樣過程中，圖像結構被破壞了，不利於特征重建。為了增大感受野與獲取多尺度信息的同時，又不破壞空間分辨率，作者引入了 context block，結構如下圖所示。作者也指出，該模塊已經在圖像分割、去模糊中成功應用。該模塊使用幾個 dilated convolution with different dilation rates，這樣可以在不增加參數以及破壞圖像結構的前提下增大感受野。
