TLDR: 随机初始化一个神经网络，并让他拟合一个加上高斯噪声的图像，神经网络可以很好地去除噪声。同样的方法也可以应用到Super-resolution，Inpainting等任务上。

一种理解方式是：我们有两种prior：数据集的prior和单个数据点的prior。我们所说“神经网络难以相信的generalizability”是指神经网络匹配了数据集的prior，而这篇文章则揭示了神经网络也某种程度上适配了单个数据点的prior。还句话说，“learning alone cannot explain the performance of Deep Convnets”。

除此之外，本文还比较了神经网络拟合四类单图片的效果：图片，噪声图片，pixel random shuffle，和白噪声。如下所示。