Machine learning 非参考损耗函数

我正在阅读这篇很棒的研究论文，我发现了术语非参考损失函数。有人能帮我理解它是什么吗？一些资源链接已经足够了，我已经在谷歌上搜索过了，我没有发现任何线索

这个非参考损失函数是什么？他们是如何在没有成对或未成对数据的情况下训练模型的？

感谢您的帮助。

基本上，“非参考损失函数”是一个花哨的标题。
论文的作者能够定义一个损失函数（第3.3节），该函数描述了在不使用“干净参考”的情况下“好看的图像”应该是什么样子图像：他们定义的四个损失项将输出图像

Y

与输入图像

I

进行比较，并检查

Y

中的对比度及其曝光度是否优于

I

，但边界、颜色和空间一致性仍然存在

---

通过定义一个不需要“基本真相”图像的损失函数，作者可以只在“腐败”图像上训练他们的模型，这更容易获得。

谢谢你的回答。这很有帮助。